Mounsef Debache

Conception et déploiement de modèles LightGBM/XGBoost pour le scoring d'appétence client (échelle de 1 à 5), la prédiction du churn et la recommandation des deux produits les plus pertinents.

Suivi des expérimentations avec MLflow : journalisation des paramètres et des métriques, puis comparaison des performances des modèles. Implémentation de la solution selon la méthode Design Pattern, garantissant la modularité, la maintenabilité et la réutilisabilité du code.

Stage — Next Best Offer at AXA France (2026-04 – Present)

• Conception et déploiement de modèles LightGBM/XGBoost pour le scoring d'appétence client (échelle de 1 à 5), la prédiction du churn et la recommandation des deux produits les plus pertinents.
• Suivi des expérimentations avec MLflow: journalisation des paramètres et des métriques, puis comparaison des performances des modèles.
• Implémentation de la solution selon la méthode Design Pattern, garantissant la modularité, la maintenabilité et la réutilisabilité du code.
• Documentation du code avec des docstrings au format Google et des commentaires structurés afin d'en faciliter la compréhension et la maintenance.

Stage — Étude & implémentation de modèles de diffusion at LATMOS — Laboratoire Atmosphères, Observations Spatiales (2026-01 – 2026-03)

• Conception et implémentation de bout en bout d'un DDPM fondé sur une architecture U-Net avec blocs ResNet, mécanismes d'attention et embeddings temporels pour la génération d'images sur MNIST et CIFAR-10.
• Développement de la Classifier Guidance à l'aide d'un classifieur conditionné par le niveau de bruit et intégration du gradient de classe dans le processus de débruitage.
• Implémentation et évaluation de la Classifier-Free Guidance avec embeddings de classe et class dropout; analyse du compromis entre fidélité au conditionnement et diversité selon l'échelle de guidance.

Stage — Détection de dysfonctionnements des réacteurs de systèmes de vol at Laboratoire de Commande des Processus (2025-02 – 2025-07)

• Modélisation des systèmes de vol et analyse de leur comportement dynamique.
• Développement d'un modèle de Deep Learning pour la détection des dysfonctionnements des réacteurs de systèmes de vol.
• Optimisation des paramètres par Particle Swarm Optimization (PSO) afin d'identifier la configuration la plus performante.
• Implémentation et validation de la solution sur un système réel Twin Rotor MIMO System (TRMS).

Master 2 in Traitement d'information et exploitation de données – Télécom SudParis

Diplôme d'Ingénieur in Automatique – École Polytechnique, Alger (2020 – 2025)