
Gisele Aydi
Développeuse IA
كفاءة
Kairouanعضو منذ ٢٦ سبتمبر ٢٠٢٦
PythonJavaScriptJavaSQLNLPLLMsRAGLangGraphFlaskNode.jsDockerPostgreSQLChromaDBPandas
·
وظّف هذا الشخص
أرسل عرض عمل مباشرة لهذا المرشح
PythonJavaScriptJavaSQLNLP
نبذة
Développeuse junior en IA, avec une expérience concrète en IA générative, LLM, NLP, RAG et agents autonomes. Habitué à concevoir des solutions basées sur l'IA avec Python, LangGraph, les API LLM et les frameworks de Machine Learning, en mettant l'accent sur des applications pratiques et orientées production.
الخبرة
Stagiaire Ingénieure IA at Benman Partners (2026-01 – 2026-07)
- Conception et développement de Gisel, une plateforme de gestion et d'optimisation des CV basée sur l'IA, utilisant Python, Flask, LLMs, LangGraph, HTML et JavaScript. Permet d'extraire, d'analyser, de mettre en correspondance et de reformater les CV des candidats dans des modèles DOCX personnalisés par entreprise en moins de 2 minutes, réduisant ainsi le temps de traitement manuel d'environ 95,6 %.
- Mise en place d'un flux de travail IA composé de 7 agents et d'un système de matching de CV basé sur RAG, utilisant ChromaDB, la recherche par similarité vectorielle et le reranking par Cross-Encoder, permettant de traiter plus de 270 CV.
- Déploiement de la plateforme sur un serveur VPS Ubuntu avec Nginx et Cloudflare, incluant la configuration du reverse proxy, du chiffrement HTTPS et de la livraison sécurisée en environnement de production.
Stagiaire en Développement d'IA at Yalors (2025-07 – 2025-10)
- Développement de services NLP et d'embedding contextuels avec Node.js, OpenAI GPT-4o et PostgreSQL (pgvector) pour un matching offres-candidats en temps réel et piloté par l'IA.
- Application de recherche vectorielle par similarité cosinus afin d'extraire les 5 meilleures offres d'emploi pertinentes pour chaque candidat, sur la base d'embeddings sémantiques.
Stagiaire en Science de données at YottaByte.dev (2025-07 – 2025-09)
- Création d'un pipeline data science entièrement dockerisé en 5 étapes: ingestion automatisée, nettoyage des données, analyse exploratoire (EDA) et visualisation.
- Intégration de modèles de machine learning et de séries temporelles, notamment XGBoost, Random Forest, ARIMA et Prophet, atteignant des R² jusqu'à 0,97 et une précision jusqu'à 84 %.
- Optimisation du pipeline pour des temps d'exécution de 15 à 30 secondes grâce à la mise en cache des jeux de données récurrents, permettant une analyse rapide et la génération d'insights actionnables pour la prise de décision.
التعليم
Maîtrise in Science de l'administration des affaires – Tunis Business School (2022-09 – 2026-06)
المهارات
Développeuse IA