gharbi rim

<p>Déploiement de solutions digitales pour la gestion académique</p><ul><li>Modélisation, 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 étudiants</li><li>Collecte, traitement et analyse des données des alumnis, avec création de dashboards interactifs pour mettre en avant des indicateurs stratégiques</li><li>Création d’une solution de détection automatique des conflits agenda, permettant une sélection de cours optimisée pour les étudiants</li><li>Création d’un rapport paginé des plans d’action par entité, offrant une vision détaillée des projets, de leur avancement et des priorités stratégiques</li><li>Mise en place d’une plateforme de système de notation avec un tableau de bord Power BI , permettant l’analyse facilitée des statistiques académiques </li><li>Automatisation des flux de données via Power Automate, permettant l’optimisation du processus de traitement manuel</li><li>Développement d’une application web dédiée à la gestion des inscriptions, facilitant ainsi l’élaboration des emplois du temps avec un éditeur XML avancé</li></ul>

<p>Stage en Prediction des pannes des batteries</p><p></p><p></p><ul><li>Prétraitement des données de batteries lithium-ion et sodium, visualisation du comportement (cycles vs capacité) pour identifier la fin de vie</li><li>Extraction des caractéristiques clés pour optimiser les performances des modèles</li><li>Implémentation des modèles de machine learning et de deep learning pour prédire le Remaining Useful Life</li><li>Entraînement 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</li></ul>

<ul><li>Conception et mise en place de portails utilisateurs pour la soumission et le suivi des demandes RH</li><li>Élaboration des workflows métiers pour structurer et automatiser les demandes</li><li>Configuration de règles d’automatisation avancées, incluant l’attribution dynamique des tickets, l’envoi de rappels, et la clôture automatique des demandes inactives</li><li>Création de tableaux de bord et rapports de performance via EasyBI, avec des indicateurs clés pour le suivi et l’optimisation des opérations </li></ul>

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

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