ingénieur en intelligence artificielle /

Développeur Backend
Mohamed Said BEYAH
Massy, France 0033646959340 Email LinkedIn Github

Je suis un ingénieur en intelligence artificielle, titulaire de deux masters en électronique et en

intelligence artificielle, disponible immédiatement, je suis ouvert aux opportunités à travers toute la
France. Je suis attentif aux évolutions du marché et prêt à relever de nouveaux défis.

Compétences

Cloud AWS.

Big Data Hadoop , Apache Spark .

Data Intégration Talend .

Reporting Power BI , Tableau.

Langages C++,C#, Python, R, Java, SQL, PowerShell, Bash.

Langues ● Français (Bonne maîtrise)

● Anglais (Niveau intermédiaire)

SGBD Snowflake, Big Query , MySQL, MangoDB, Cassandra.

Expériences

AWLYG TECH
● Rôle : Ingénieur Machine Learning (Freelance : 6 mois)
● Date : mars 2023 à août 2023
● Localisation : À distance
● Secteur d’activité : Technologies de transport et de mobilité urbaine
● Contexte : Développement d'un Proof of Concept (PoC) pour le projet VéloBox, en
collaboration avec Aven et Vallée Sud Grand Paris, visant à sécuriser les stations de vélos
avec une application mobile.
● Missions :
- Conception d’une application de surveillance des vélos dans des stations sécurisées, accessible
via une application mobile.
- Intégration de modèles de détection d'objets et de traitement d'images pour identifier les anomalies
autour des stations.
- Mise en place d’un système de communication en temps réel pour le transfert efficace des
données vidéo des caméras de surveillance.
- Adaptation de l'application à un environnement GPU (Jetson Nano/NVIDIA) pour optimiser le
traitement d’images et la détection d’anomalies.
- Dockerisation de l’application pour faciliter le déploiement et l’évolutivité.
- Élaboration de la documentation technique et des scripts d’installation pour assurer une mise en
œuvre facile et rapide du système.
● Outils : Python, OpenCV, TensorRT, CUDA, Docker, SocketIO.
 UNIVERSITE DE COTE D’AZUR
● Rôle : Consultant Computer Vision (Stage de PFE : 5 mois)
● Date : mai 2023 à septembre 2023
● Localisation : Côte d’Azur, France
● Secteur d’activité : établissement public national scientifique
● Contexte : Modernisation du module de Vision par Ordinateur du Master 2 en MIAGE,
spécialité Intelligence Artificielle, à l’Université de Côte d’Azur.
● Missions:
- Migration des travaux pratiques de Keras vers PyTorch pour permettre aux étudiants de choisir la
librairie qui correspond le mieux à leurs préférences.
- Introduction de CAM pour simplifier la compréhension des algorithmes YOLO et offrir une vue
d’ensemble des tâches de détection d’objets.
- Création d’un nouveau chapitre sur les Réseaux Siamois pour élargir les compétences des
étudiants en reconnaissance de similitudes.
- Exploration des Generative Adversarial Networks (GAN) avec des images MNIST pour encourager
la créativité et renforcer les compétences en data science.
- Configuration d’un serveur Jupyter Notebook équipé d’un GPU pour permettre aux étudiants de
mener des expérimentations avancées.
● Outils : Scikit-learn, Pytorch, Tensoflow/ Keras, OpenCV, Scikit-image, Numba, Cuda.

SENSEEN
● Rôle : Data Scientist
● Date : octobre 2021 à mai 2023
● Localisation : Nice, France
● Secteur d’activité : Agriculture, Agroécologie.
● Périmètre : Internationale
● Contexte : Chez SENSEEN, l'objectif est de mesurer la densité nutritionnelle des aliments en
utilisant la spectrométrie et l'intelligence artificielle pour relier la santé des plantes à la
qualité nutritive des produits récoltés.
● Missions :
- Installation et calibration de scanners haute précision pour des mesures exactes via spectroscopie
UV/VIS/NIR.
- Organisation de la collecte de données agricoles, stockées dans des bases de données SQL et
NoSQL.
- Nettoyage et normalisation des données avec Python (Pandas, SciPy).
- Création de visualisations pour identifier des tendances avec Seaborn, Matplotlib, et PowerBI.
- Développement de modèles prédictifs avec Scikit-Learn, TensorFlow, et PyTorch.
- Automatisation de l’entraînement des modèles avec des pipelines CI/CD (Git, Docker, Kubeflow).
- Déploiement des modèles en tant que services web via Flask et AWS.
- Traitement des données avec Hadoop et Spark pour une analyse rapide.
- Analyse des images satellites (Sentinel-1) pour surveiller l'humidité des sols et la végétation.
- Fusion des données Sentinel-1 avec des données hyperspectrales pour améliorer les prévisions
agricoles.
- Collaboration avec la Bionutrient Food Association pour intégrer des normes de mesure
nutritionnelle.
● Outils : SQL, Java, Scikit-Learn, TensorFlow, PyTorch, Pandas, Seaborn, Matplotlib, SciPy,
PowerBI, Flask, RESTful APIs, AWS, Docker, Kubeflow, MongoDB, Spark, Git.
 Laboratoire d’Electronique, Antennes et Télécommunications (LEAT)
● Rôle : Ingénieur en Intelligence Artificielle Embarquée (Stage de PFE : 5 mois)
● Date : Mai 2021 à Septembre 2021
● Localisation : Côte d’Azur, France
● Secteur d’activité : Recherche et développement en électronique et télécommunications
● Contexte : Focus sur l'IA bio-inspirée en utilisant les champs neuronaux dynamiques et
l'auto-organisation pour améliorer la reconnaissance d'objets, la modélisation et
l’implémentation neuromorphique
● Missions :
- Ré-implémentation du modèle KSOM (Kohonen Self-Organizing Map) pour la recherche.
- Développement et implémentation des modèles DSOM (Dynamic Self-Organizing Map) et DNF
(Dynamic Neural Field) en TensorFlow 2.0.
- Étude et mise en place du couplage entre les modèles DSOM et DNF pour une meilleure
adaptation et reconnaissance d'objets.
- Spécification et implémentation d’une architecture hardware capable de caractériser les densités
statistiques des données et de contrôler, de manière distribuée, l’allocation des cellules de calcul.
- Développement d'une interface graphique (GUI) sur Tkinter permettant de manipuler les
paramètres du modèle, de choisir les hyperparamètres à la main, et de visualiser
l'auto-organisation des réseaux neuronaux.
● Outils : Python (TensorFlow ), Verilog, ZedBoard (Xilinx Zynq-7000), C++, GUI avec Tkinter

Projets scolaires

Projets traitement automatique du langage naturel :

● Reconnaissance d'Entités Nommées (NER) : Mise en place d'un système NER avec SpaCy et NLTK
pour extraire les entités telles que personnes, lieux, et organisations.
● Analyse de Sentiment basée sur les Aspects (TPSA) : Conception d'un algorithme de classification
de sentiment basé sur les aspects en utilisant SpaCy, NLTK, et Scikit-learn avec SentiWordNet et
EmoLex.
● Recherche d'Informations (TP IR) : Construction d'un corpus Covid-19, suivi de la création d'un
index inversé pour la recherche d'informations en utilisant SpaCy et NLTK pour le traitement des
requêtes.

Projets computer vision : J'ai réalisé une multitude de projets en computer vision, incluant la classification
d'images avec PyTorch, la création d'une HeatMap pour la classification d'images, ainsi que la classification
de sons par spectrogrammes à partir de datasets Kaggle.

Projets Deep Learning et applications : J'ai réalisé un large éventail de travaux pratiques en deep
learning et ses applications, notamment l'IOT, la navigation autonome, la reconnaissance faciale, la santé,
la sécurité, la reconnaissance vocale, le traitement des nuages de points 3D, et d'autres domaines variés.

Projet implémentation materiel : J'ai optimisé l'implémentation CPU de Viola-Jones en parallélisant le

calcul sur GPU avec Numba et Cuda, accélérant la détection de visages par rapport à la version CPU
existante. J'ai utilisé un classifieur pré-entraîné via Pickle et effectué des benchmarks pour évaluer la
performance.

Projet bases de données : En équipe avec des collègues du master, j'ai accompli une variété de projets,
tels que l'évaluation d'un SGBDR, la mise en place d'un algorithme B+ Tree en Java, ainsi que l'exploration
de technologies telles que MongoDB et Hadoop.
 Formations

MASTER MIAGE SPECIALITE IA2 (INTELLIGENCE ARTIFICIELLE APPLIQUEE)

Université de Côte d'Azur, Octobre 2021 à Septembre 2023
● Description: Ce master de deux ans est spécialisé dans l'expertise en vision par ordinateur,
algorithmes évolutionnaires, traitement du langage naturel, machine learning, bases de données,
résolution de problèmes avec systèmes multi-agents, et gestion stratégique d'entreprise.
● Expérience professionnelle: En parallèle, j'ai effectué une alternance avec la société SENSEEN
en tant que data scientist pendant 1 an et 7 mois, suivie d'un stage de fin d'études de 4 mois en
computer vision avec l'Université de Côte d'Azur.
● Matières étudiées: Vision par ordinateur, Algorithmes évolutionnaires, Traitement du langage
naturel (NLP), Machine Learning, Bases de données, Systèmes multi-agents, Gestion stratégique
d'entreprise, Outils d'Ingénierie, Composants Logiciels pour l'Entreprise, Diagnostic et Gestion
Financière, Cadrage d'un Projet Informatique, Pilotage et Stratégie d'Entreprise, Communication
dans un monde numérique, Accompagnement du changement numérique.

MASTER ESTEL (ELECTRONIQUE, SYSTÈMES DE TÉLÉCOMMUNICATIONS)

Université de Côte d'Azur, Septembre 2019 à Septembre 2021
● Description: Ce programme de deux ans offre une spécialisation approfondie dans les domaines
de l'électronique, des systèmes de télécommunications et des objets connectés. Les étudiants ont
exploré des sujets tels que l'architecture multicores, la radiofréquence, les systèmes embarqués, les
antennes spatiales, les problèmes inverses en imagerie, les systèmes de radar, l'architecture de
collecte de données et la modélisation d'architectures complexes.
● Expérience professionnelle: En parallèle, j'ai réalisé un stage de tutorat avec la société
ABEEWAY en tant que ingénieur Radio-fréquence, suivie d'un stage de fin d'études de 5 mois en
intelligence artificielle embarquée avec LEAT.
● Matières étudiées: Architecture multicores, Radiofréquence, Systèmes embarqués, Antennes
spatiales, Problèmes inverses en imagerie, Systèmes de radar, Architecture de collecte de données,
Conception de systèmes temps réel, Modélisation d'architectures complexes, Antennes
intelligentes, Traitement de données, Mineure DS4H.

LICENCE ÉLECTRONIQUE, ENERGIE ÉLECTRIQUE, AUTOMATIQUE

Université Côte d'Azur, Septembre 2018 à Juin 2019
● Description : Cette licence multidisciplinaire forme des étudiants aux fondamentaux en
électronique, traitement de données et systèmes automatiques. Elle combine des connaissances
théoriques et pratiques en physique, mathématiques, informatique et électronique, préparant ainsi
les étudiants à des carrières en recherche ou en industrie, notamment dans le développement de
systèmes électroniques et embarqués.
● Expérience professionnelle : Durant cette période, j'ai mené des projets académiques et participé
à des travaux en équipe sur des prototypes électroniques et logiciels, en intégrant des solutions
pour l'industrie.
● Matières étudiées : Conception de systèmes électroniques, Traitement des signaux, Systèmes
embarqués, Mathématiques appliquées, Informatique pour l'électronique, Communication
scientifique, Travail en équipe et gestion de projet, Prototypage de systèmes électroniques et
logiciels.