gharbi rim

Déploiement de solutions digitales pour la gestion académiqueModélisation, transformation et stockage des données des évaluations, avec la création d’un rapport Power BI et d’un rapport paginé Report Builder, offrant une analyse des retours étudiantsCollecte, traitement et analyse des données des alumnis, avec création de dashboards interactifs pour mettre en avant des indicateurs stratégiquesCréation d’une solution de détection automatique des conflits agenda, permettant une sélection de cours optimisée pour les étudiantsCréation d’un rapport paginé des plans d’action par entité, offrant une vision détaillée des projets, de leur avancement et des priorités stratégiquesMise en place d’une plateforme de système de notation avec un tableau de bord Power BI , permettant l’analyse facilitée des statistiques académiques Automatisation des flux de données via Power Automate, permettant l’optimisation du processus de traitement manuelDéveloppement d’une application web dédiée à la gestion des inscriptions, facilitant ainsi l’élaboration des emplois du temps avec un éditeur XML avancé

Stage en Prediction des pannes des batteriesPrétraitement des données de batteries lithium-ion et sodium, visualisation du comportement (cycles vs capacité) pour identifier la fin de vieExtraction des caractéristiques clés pour optimiser les performances des modèlesImplémentation des modèles de machine learning et de deep learning pour prédire le Remaining Useful LifeEntraînement des modèles avec validation croisée et sélection du modèle LSTM démontrant une excellente capacité à prédire le RUL et à évaluer l’état de santé des batteries

Conception et mise en place de portails utilisateurs pour la soumission et le suivi des demandes RHÉlaboration des workflows métiers pour structurer et automatiser les demandesConfiguration de règles d’automatisation avancées, incluant l’attribution dynamique des tickets, l’envoi de rappels, et la clôture automatique des demandes inactivesCréation de tableaux de bord et rapports de performance via EasyBI, avec des indicateurs clés pour le suivi et l’optimisation des opérations

Prétraitement des données de batteries lithium-ion et sodium
Visualisation du comportement (cycles vs capacité) pour identifier la fin de vie
Extraction des caractéristiques clés pour optimiser les performances des modèles
Implémentation des modèles de machine learning et de deep learning pour prédire le Remaining Useful Life
Entraînement des modèles avec validation croisée
Sélection du modèle LSTM
Évaluer l’état de santé des batteries

Conception et mise en place de portails utilisateurs pour la soumission et le suivi des demandes RH
Élaboration des workflows métiers pour structurer et automatiser les demandes
Configuration de règles d’automatisation avancées
Attribution dynamique des tickets
Envoi de rappels
Clôture automatique des demandes inactives
Création de tableaux de bord et rapports de performance via EasyBI
Suivi et optimisation des opérations