Rebai Mohamed

Ingénieur IA & MLOps | Développement d'une solution d'auto-diagnostic réseau

Architecture Multi-Agents & LLM : Conception d’une solution d’auto-diagnostic basée sur des agents autonomes et des LLMs fine-tunés pour la maintenance d'équipements réseau.

Pipeline RAG Hybride (Graph & Vector) : Implémentation d’une architecture RAG industrielle couplant Qdrant (base vectorielle) et Neo4j (graphe de connaissances) via LangChain pour optimiser l’analyse sémantique des incidents.

Optimisation & Performance : Fine-tuning et déploiement de LLaMA 3 (1B) avec techniques de quantization et batching, permettant une réduction significative du MTTR (Mean Time To Repair).

Industrialisation & MLOps : Mise en production via Docker et pipelines CI/CD. Mise en place d’une stack de monitoring (Prometheus, Grafana) pour assurer la supervision des modèles.

Deep Learning & Séries Temporelles : Développement d’un modèle de détection d’anomalies basé sur les GAN (Generative Adversarial Networks) pour l'analyse de métriques critiques.

Leadership Technique : Encadrement de stagiaires sur le cycle de vie de la donnée, le versioning des modèles et l'application des bonnes pratiques MLOps.

ngénieur Computer Vision | Application de reconnaissance de la langue des signes

Conception End-to-End : Développement intégral d'une application IA dédiée à la reconnaissance et à la traduction en temps réel de la langue des signes.

Modélisation Deep Learning : Implémentation et entraînement d'architectures CNN avancées sous PyTorch et TensorFlow.

Benchmarking d'Architectures : Étude comparative et expérimentation de modèles de détection d'objets à l'état de l'art, notamment YOLOv8/v9, DETR et SSD, pour optimiser le compromis précision/vitesse.

Ingénierie de la Donnée : Création d'un dataset sur mesure, incluant les phases d'annotation, de nettoyage, de prétraitement et d'augmentation de données pour renforcer la robustesse des modèles.

Optimisation & Évaluation : Amélioration des performances par tuning d'hyperparamètres et analyse rigoureuse via des métriques spécifiques (mAP, Precision-Recall, latence).

Ingénieur Systèmes & Observabilité | Monitoring de Production

Déploiement d’Observabilité : Mise en œuvre d'une solution complète de monitoring en environnement de production, articulée autour de Zabbix pour la collecte de données et Grafana pour la visualisation.

Optimisation des Performances : Surveillance proactive des ressources critiques (CPU, mémoire, latence réseau) et optimisation des performances systèmes.

Automatisation de l'Alerte : Conception de tableaux de bord dynamiques et configuration de systèmes d'alertes automatisés pour réduire le temps de détection des incidents.