Photo de Hatim Maachi

Hatim Maachi

Ingénieur IA & Data Science | Étudiant en Master SDSI

Étudiant en Master SDSI (Sciences des Données et Systèmes Intelligents) passionné par l'intelligence artificielle et l'exploitation des données. Doté d'un solide bagage technique allant de l'ingénierie des données à la conception de modèles d'apprentissage automatique, je recherche un stage à distance pour contribuer à des projets innovants et développer des solutions décisionnelles intelligentes.

5 Années d'Études
4+ Projets Réalisés
25+ Technologies

Formation

Master Sciences et Techniques en Science des Données et Systèmes Intelligents (SDSI)

FST Fès / Université Sidi Mohamed Ben Abdellah

Septembre 2025 - (en cours)

Licence en Génie Informatique

FST Fès / Université Sidi Mohamed Ben Abdellah

Septembre 2021 - juin 2025

Baccalauréat Sciences Physiques

Lycée IBNO AL YASSAMIN, Taza

2021

Compétences

Machine Learning / IA

Apprentissage supervisé et non supervisé PyTorch

Big Data

Hadoop Spark MapReduce

BI & Données

SQL Server PostgreSQL SSAS / SSRS / SSIS MDX / ETL / Data Warehouse

Backend & Architecture

Java / Spring Boot Design Patterns FastAPI

Développement Web

React Angular Vue.js PHP / MySQL

Autres Compétences

Modélisation UML Cryptographie LangChain / ChromaDB Streamlit

Langues

Arabe Langue Maternelle
Français Niveau Avancé
Anglais Niveau Avancé

Centres d'intérêt

Veille technologique (Web, IA, Logiciel)
Football (Pratique et suivi)
Voyages & Découverte culturelle
Résolution de problèmes (Challenges de code)

Engagement Associatif

Membre du Comité d'Organisation

Conférence internationale « Voices in the Machine » (Humboldt Kolleg)

Juin 2026

Membre actif du comité d'organisation d'une conférence internationale scientifique. Certificat d'appréciation reçu pour cette contribution.

Projets Réalisés

Skill ROI Forecaster

Machine Learning
4 Modèles ML Score ROI 60/40 10 000+ Profils R² = 88%

Plateforme d'aide à la décision carrière basée sur le Machine Learning combinant 4 modèles complémentaires pour prédire les salaires et valoriser les compétences techniques.

Stack utilisée : Machine Learning (Random Forest, K-Means, Apriori, Régression), Python, Streamlit.
Chiffres clés & Détails :
  • Traitement et modélisation de 10 000+ offres tech issues de LinkedIn et GitHub.
  • Intégration d'un score ROI personnalisé : 0.6 × salaire norm. + 0.4 × fréquence norm.
  • Précision de R² = 88% sur les prédictions et 50+ règles d'association (confiance > 75%).
Résultat : Application interactive déployée sur Streamlit Community Cloud avec latence < 1.5s.
Machine Learning Python Streamlit Scikit-learn

Developer Digital Twin (IA RAG)

IA Générative
Inférence < 800ms 100% RAG Fidélité Pipeline 3-tiers Vecteurs 384 dim

Jumeau numérique interactif doté d'une IA conversationnelle spécialisée basée sur l'architecture RAG pour répondre fidèlement aux recruteurs.

Stack utilisée : LangChain, ChromaDB, Groq/LLaMA 3, FastAPI, React Vite.
Chiffres clés & Détails :
  • Génération ultra-rapide avec temps de réponse < 800ms grâce à Groq LPU et LLaMA 3.
  • 100% de fidélité aux documents réels (CV, GitHub, profil) grâce à ChromaDB.
  • Architecture découplée 3-tiers : API FastAPI asynchrone, widget React ultra-léger et base vectorielle.
Résultat : Assistant conversationnel en temps réel directement intégré au portfolio et accessible en continu.
LangChain ChromaDB Groq / LLaMA 3 FastAPI React

NexaDesk — Gestion des Ressources Universitaires

Full-Stack Java
100% Stateless JWT 3 Rôles RBAC 15+ Endpoints REST -60% Temps Gestion

Application d'entreprise sécurisée pour l'inventaire, l'allocation et le suivi des ressources informatiques et matérielles universitaires.

Stack utilisée : Java, Spring Boot 3, React, JWT, REST API, Tailwind CSS.
Chiffres clés & Détails :
  • Authentification 100% stateless sécurisée par JWT avec gestion d'expiration et refresh tokens.
  • Contrôle d'accès granulaire RBAC sur 3 rôles (Admin, Enseignant, Technicien/Étudiant).
  • 15+ endpoints REST protégés assurant la traçabilité intégrale des mouvements matériels.
Résultat : Réduction de 60% du délai de traitement des demandes et interface double sidebar ergonomique.
Java Spring Boot React JWT REST API

PrediX — End-to-End Predictive Maintenance AI System

Machine Learning & IoT
98.4% Précision Anticipation 48h 10 000+ Signaux IoT -70% Arrêts Imprévus

Système d'IA industriel de bout en bout pour la maintenance prédictive, la détection précoce d'anomalies et l'estimation de la durée de vie résiduelle (RUL) d'équipements critiques.

Stack utilisée : Python, Machine Learning (XGBoost, Random Forest), Scikit-learn, Time-Series Analysis, IoT.
Chiffres clés & Détails :
  • Traitement et ingestion en continu de 10 000+ signaux capteurs IoT (vibrations, température, pression, régime moteur).
  • Précision de détection d'anomalies atteignant 98.4% (F1-Score / Accuracy).
  • Anticipation et diagnostic des pannes jusqu'à 48h à l'avance pour prévenir les arrêts critiques.
Résultat : Réduction de 70% des arrêts machines imprévus et diminution significative des coûts de maintenance.
Machine Learning Python Scikit-learn XGBoost IoT / Time-Series

Certificats

Voir tous mes certificats LinkedIn

LinkedIn

Voir sur LinkedIn

Data Mining with Python Workshop

Erasmus+, FST Fès x University of Limerick (Irlande)

Octobre 2025

SQL (Advanced)

HackerRank

Janvier 2025

Learn Java: Object-Oriented Programming

Codecademy

Janvier 2025

Build a Website with HTML, CSS, and GitHub Pages

Codecademy

Juin 2024

Voir

Learn Python 3 Course

Codecademy

Déc 2023

Voir