Rjab Omar
Data Scientist & Ingénieur ML
وظّف هذا الشخص
أرسل عرض عمل مباشرة لهذا المرشح
نبذة
Ingénieur fraîchement diplômé en Data Science et Intelligence Artificielle. J'ai récemment achevé un Projet de Fin d'Études (PFE) impactant chez Sagemcom, en appliquant la Vision par Ordinateur, le Deep Learning et le MLOps pour optimiser les systèmes industriels. Solides bases en mathématiques appliquées et statistiques, combinées à une expertise technique avancée sur PyTorch, TensorFlow, Power BI, SQL et Excel.
Capacité prouvée à concevoir des pipelines évolutifs et à fournir des solutions analytiques à fort impact. À la recherche d'un poste de Data Scientist à temps plein pour relever des défis commerciaux complexes.
الخبرة
Stagiaire Data Scientist (Projet de Fin d'Études/PFE) at Sagemcom (2026-02 – 2026-06)
Projet: Système intelligent de supervision industrielle en temps réel par Vision par Ordinateur et IA - Détection automatique d'anomalies.
- Conception et déploiement de SmartLean, un pipeline de vision par ordinateur en cascade (YOLOv11 + EfficientNetV2-S) pour la détection en temps réel de 7 anomalies critiques de sécurité et de qualité sur une ligne de production, en utilisant PyTorch et TensorFlow.
- Construction et annotation d'un jeu de données de 14 865 images, atteignant un F1-Score moyen de 99,6% sur le modèle de classification des anomalies.
- Optimisation et conversion du modèle de détection au format NCNN pour un déploiement embarqué sur Raspberry Pi, atteignant 12 FPS en inférence temps réel.
- Développement d'une plateforme de supervision full-stack (backend FastAPI, PostgreSQL, frontend React.js) pour centraliser les alertes, KPIs et historique des anomalies, en suivant les méthodologies CRISP-DM et SCRUM.
Stagiaire Data Engineer (Système RAG Industriel) at Sagemcom (2024-06 – 2024-09)
- Architecture d'un système de Génération Augmentée par la Recherche (RAG) utilisant Google Gemini 1.5 Flash, résolvant des problèmes critiques d'accessibilité aux données pour les équipes de supervision industrielle.
- Optimisation des algorithmes de recherche vectorielle pour atteindre une précision de récupération de 85% et un temps de réponse moyen de 2,5s.
- Ingénierie d'un backend asynchrone évolutif avec FastAPI capable de gérer plus de 15 requêtes simultanées sans dégradation de la latence.
- Conteneurisation de l'ensemble de la pile applicative avec Docker et orchestration des pipelines de déploiement pour migrer vers la production.
التعليم
Diplôme National d'Ingénieur en Informatique in Data Science – École Nationale d'Ingénieurs de Carthage (ENICarthage) (2023-09 – 2026-06)