Oumayma HMIDICH

Stage de fin d’études consacré à l’automatisation et à l’optimisation des tests logiciels dans un environnement industriel. Développement d’une plateforme d’automatisation exploitant des données issues de Kafka et d’Oracle SQL, intégrée à une chaîne GitLab CI/CD afin d’automatiser les campagnes de validation des releases. Conception d’une solution basée sur les LLMs et une architecture agentique (MCP) pour générer automatiquement des scénarios de test à partir de spécifications fonctionnelles. Développement également d’un pipeline de Machine Learning pour prioriser les scénarios de test selon des caractéristiques métier, validé sur des données synthétiques et destiné à être étendu aux données de production, avec une réduction estimée jusqu’à 30 % du temps de validation. ENGLISH VERSION : Final-year internship focused on automating and optimizing software testing in an industrial environment. Developed a test automation platform leveraging Kafka and Oracle SQL data, integrated into a GitLab CI/CD pipeline to automate release validation campaigns. Designed an LLM-based solution using an agentic architecture (MCP) to automatically generate test scenarios from functional specifications. Also developed a Machine Learning pipeline to prioritize test scenarios based on business features, validated on synthetic data and designed for future use with production data, with an estimated reduction of up to 30% in validation time.

Stage en Data Science consacré au développement d’une solution d’IA pour l’évaluation automatique du niveau d’anglais oral selon le CECRL à partir d’enregistrements audio, afin de faciliter et de passer à l’échelle les processus d’évaluation linguistique. Conception et développement d’un pipeline de Machine Learning de bout en bout, couvrant le traitement des données vocales, l’extraction de caractéristiques acoustiques, l’entraînement et l’évaluation des modèles de classification, avec une balanced accuracy de 80,6 %. ENGLISH VERSION : Data Science internship focused on developing an AI solution to automatically assess spoken English proficiency according to the CEFR framework from audio recordings, with the goal of facilitating and scaling language assessment processes. Designed and developed an end-to-end Machine Learning pipeline covering speech data processing, acoustic feature extraction, model training, and classification performance evaluation, achieving a balanced accuracy of 80.6%.

Stage en développement logiciel consacré à la conception et au développement d’une application web full-stack. Développement du backend avec Spring Boot et conception d’API REST pour la gestion et l’échange des données, avec persistance dans une base PostgreSQL. Développement de l’interface utilisateur avec React et intégration des différents composants afin d’assurer la communication entre le frontend, les services backend et la base de données. ENGLISH VERSION : Software Engineering internship focused on designing and developing a full-stack web application. Developed the backend using Spring Boot and designed REST APIs for data management and exchange, with PostgreSQL for data persistence. Built the user interface with React and integrated the different components to ensure communication between the frontend, backend services, and database.