Étudiante en dernière année en ingénierie de l’information numérique, spécialisée en Data Science, Data Analytics, Big Data et Intelligence Artificielle. Solide expérience dans l’analyse et la valorisation des données, l…
Étudiante en dernière année en ingénierie de l’information numérique, spécialisée en Data Science, Data Analytics, Big Data et Intelligence Artificielle. Solide expérience dans l’analyse et la valorisation des données, le Machine Learning, la Business Intelligence, le web scraping et la mise en place de pipelines data automatisés. Maîtrise de Python, SQL, Power BI, MongoDB et des environnements data modernes. Motivée, rigoureuse et orientée résultats, avec un fort intérêt pour les projets data à fort impact métier et une perspective de pré-embauche.
Conception et développement d’un tableau de bord interactif pour la supervision et la maintenance prédictive des équipements de diffusion au sein de la Société Nationale de Radiodiffusion et de Télévision (SNRT).
Analyse et suivi technique des équipements de diffusion.
Traitement et visualisation des données.
Utilisation d’outils modernes de supervision.
Présentation de l’organisme d’accueil, de ses missions et organisation interne.
Présentation des activités et services observés durant le stage.
Développement d’une application web pour optimiser la traçabilité, la sécurité et la rapidité du traitement des documents administratifs.
Enregistrement et suivi des courriers.
Génération de décharges électroniques.
Notifications automatiques.
Recherche avancée.
Gestion des utilisateurs avec rôles.
Analyse des besoins.
Conception UML.
Développement backend et frontend.
Tests utilisateurs.
Réduction significative des erreurs de traitement.
Amélioration de la traçabilité des documents.
Gain de temps pour les utilisateurs.
Ce projet consistait à concevoir un pipeline Big Data pour le traitement et l’analyse en temps réel des données provenant de capteurs IoT dans un environnement industriel distribué. Il a impliqué l’implémentation d’un pipeline ETL temps réel avec Apache Spark, l’ingestion des données via Apache Kafka et leur stockage distribué sous Hadoop. Des modèles supervisés tels que Random Forest et Gradient Boosting ont été développés pour la maintenance prédictive, et des tableaux de bord Power BI ont été conçus pour visualiser les KPIs critiques et soutenir la prise de décision opérationnelle.
Ce projet de fin d’année visait à superviser et optimiser la maintenance des équipements de diffusion de la SNRT afin d’améliorer le suivi technique et la prise de décision. Il a consisté à concevoir et développer un tableau de bord interactif pour la supervision des équipements, analyser et visualiser les données techniques pour le suivi des performances, et utiliser des outils modernes de supervision afin d’anticiper les pannes et améliorer la maintenance prédictive. Le projet a également permis de présenter l’organisme d’accueil, ses missions, son organisation interne et les activités observées durant la mission.
Ce projet visait à centraliser et améliorer la qualité des données critiques d’une entreprise de commerce international à travers une solution de Master Data Management. Les activités ont inclus le développement de pipelines ETL pour intégrer les données clients, produits, promotions et transactions, ainsi que la mise en œuvre de règles de validation et de contrôle qualité. Des tableaux de bord Power BI et Tableau ont été conçus pour suivre les performances et détecter les anomalies, tandis que l’automatisation des processus ETL a permis de réduire les erreurs manuelles et d’accélérer le traitement des données.
Ce projet visait à développer un système intelligent capable de prédire les pannes des équipements industriels afin de réduire les temps d’arrêt et d’optimiser la maintenance préventive. Il a impliqué l’analyse et la préparation des journaux systèmes et des données IoT, le développement d’un modèle LSTM atteignant 88 % de précision pour la prédiction des défaillances, ainsi que le déploiement du modèle via Docker avec intégration CI/CD pour un suivi automatisé. Des tableaux de bord interactifs ont été conçus sur Tableau pour visualiser les performances et détecter les tendances, facilitant ainsi la prise de décision pour la maintenance.
نظام التوظيف التشغيلي المعتمد على الذكاء الاصطناعي أولاً، الذي يوحّد ويؤتمت دورة التوظيف بالكامل للمؤسسات الحديثة حول العالم.
د.جوب منطقة حرة ذ.م.م. 2026 © جميع الحقوق محفوظة
