Chaima Zaâbi

Ingénieure IA spécialisée en Computer Vision et Medical Imaging, avec une expérience dans la conception, l'optimisation et le déploiement de solutions Deep Learning de bout en bout. Expertise en vision par ordinateur, analyse d'images médicales, optimisation d'inférence et mise en production avec PyTorch, ONNX, TensorRT, FastAPI et MLflow.

Ingénieure IA / Computer Vision - Optoscopia - Tunis, Tunisie

(2024-11)

• Conception et développement d'une solution de Computer Vision de bout en bout pour l'analyse automatisée des spermatozoïdes, intégrant une détection basée sur YOLOv8 (93,7% mAP@0.5) et un module de multi-object tracking avec SORT, réduisant les erreurs d'ID switching.
• Conception de modèles de Computer Vision dédiés à l'analyse morphologique des spermatozoïdes, utilisant U-Net pour la segmentation et ResNet-50 pour la classification des anomalies morphologiques, atteignant 95,6% de précision
• Mise en place d'une solution de segmentation d'instances basée sur Mask R-CNN pour l'analyse de spermatozoïdes fragmentés, assurant une séparation fiable des instances complexes avec 0,89 IoU et 0,94 Dice.
• Développement d'un pipeline Vision-Language Model (VLM) basé sur LLaMA, transformant les résultats de vision par ordinateur en rapports cliniques structurés intégrant statistiques et visualisations.
• Conception et optimisation d'un pipeline d'inférence haute performance utilisant ONNX et TensorRT, permettant le déploiement de modèles de Deep Learning avec une inférence temps réel à faible latence dans une application de santé en production.
• Pilotage de l'annotation des données, définition des protocoles d'annotation et validation de la qualité des jeux de données pour l'entraînement des modèles de Computer Vision.
• Collaboration étroite avec l'équipe logicielle pour l'intégration, les tests et le déploiement de bout en bout des modèles d'IA en production.

Ingénieure en Vision par Ordinateur (Stage) - True Delta - Tunis, Tunisie

(2023-02 - 2023-11)

• Développement d'un pipeline de Computer Vision et d'OCR en Python, intégrant le prétraitement d'images, le fine-tuning du modèle TrOCR et l'évaluation des performances, atteignant 92,55% de précision sur des documents bancaires manuscrits.
• de pipelines de prétraitement et de post-traitement des données, permettant la validation et la correction automatiques des informations extraites (, dates, bénéficiaires), améliorant la fiabilité des prédictions.
• Déploiement et validation du pipeline sur de grands volumes de documents réels, optimisant le traitement documentaire et réduisant significativement les opérations de vérification manuelle.

Chercheuse en Intelligence Artificielle (Stage) - Laboratoire LARODEC - Tunis, Tunisie

(2022-03 - 2023-01)

• Mise en œuvre d'une approche de prise de décision pour l'évaluation par les pairs à l'aide de réseaux antagonistes génératifs (GAN) et d'un modèle BERT pré-entraîné, afin d'améliorer le processus de revue.
• Application des de mots Sent2Vec via Gensim pour convertir le texte en vecteurs continus, capturant les relations sémantiques et contextuelles.
• Développement d'un pipeline de prétraitement de texte incluant la tokenisation, la suppression des mots vides et la lemmatisation à l'aide de NLTK et SpaCy.

Diplôme d'Ingénieur - Informatique - Tek-UP (2023)

Master - Data Science - ENSI (2023)