Mohamed Yassine KASSEM

– Développement d'une application full-stack (FastAPI, PostgreSQL/pgvector, Bootstrap) intégrant une base d'erreurs connues (KEDB) pour automatiser l'analyse des tickets JIRA. – Résumé automatique des tickets JIRA avec le modèle LLM Qwen3:8B pour extraire des caractéristiques (historique des incidents, causes racines, symptômes, solutions de contournement, résolutions) enrichissant la KEDB. – Implémentation de clustering sémantique des tickets JIRA avec SentenceTransformer, UMAP pour la réduction de dimension, et HDBSCAN/k-means pour regrouper les tickets similaires. – Création d'un système de recherche sémantique utilisant SentenceTransformer et FAISS/pgvector pour identifier les tickets similaires via la similarité cosinus. – Développement d'un module de Question Réponse basé sur Qwen2.5:14B pour générer des réponses structurées à partir des métadonnées des tickets. – Synchronisation et prétraitement des tickets et commits JIRA, avec génération d'embeddings textuels et indexation pour maintenir une KEDB à jour et optimiser la recherche sémantique. – Analyse exploratoire des données des tickets JIRA avec visualisation et tableaux de bord en temps réel.

– Transformation du projet académique en une solution professionnelle déployée chez SPN, automatisant l'ensemble du traitement des amendes routières et réduisant fortement les interventions manuelles. – Amélioration de la segmentation documentaire grâce à MobileNetV3-Large et ResNet-50, combinés à des autoencodeurs de débruitage et traitements OpenCV, augmentant la qualité et la précision OCR. – Exploitation conjointe d'OCR Space API et de LLMs (Mistral-7B, Llama3-8b) pour extraire les champs clés à partir du texte extrait et identifier le type d'infraction, via un prompt engineering robuste aux différences de région, de langue et de format. – Conception d'une application unifiée regroupant tout le pipeline automatisé: prétraitement,OCR, analyse LLM, matching historique et tableaux de bord, développée avec FastAPI, MongoDB et Next.js 14, permettant d'identifier le responsable du paiement.

– Développement d'une application web de recrutement full-stack. – Implémentation du back-end avec MySQL et Symfony pour gérer les données des candidats et les processus d'évaluation. – Intégration d'algorithmes d'évaluation des candidats pour identifier et classer efficacement les meilleurs talents.

– Développement d'une application mobile simplifiant le processus de recherche de stage pour les étudiants. – Implémentation de fonctionnalités pour la création de CV et la recherche de stages, avec des recommandations automatiques basées sur l'IA. – Permettre aux entreprises de publier des offres de stage et automatiser le processus de sélection des candidats. – Utilisation de Flutter et Bootstrap pour le front-end, et intégration du back-end avec MongoDB, Node.js et Flask.