Karim Damak

— Conception et déploiement d'un système RAG (LangChain + Chromadb) pour l'agriculture de précision, réduisant de 60% le temps de recherche documentaire pour 25+ utilisateurs — Optimisation de modèles de régression spectrale (+20% précision) via feature engineering et tuning bayésien — Développement d'une application Flask full-stack et 3 APIs REST sécurisées (FastAPI, <200ms, monitoring intégré) — Automatisation CI/CD (GitHub Actions, tests pytest, Docker multi-stage) : déploiement réduit de 3 jours à 2h — Collaboration avec équipes terrain et direction pour transformer besoins métier en solutions IA concrètes — Technologies : Python, scikit-learn, LangChain, LLM OpenAI/Mistral, Hugging Face, Chromadb, Flask, FastAPI, Docker, GitHub Actions

— Pipeline NLP end-to-end : transformation d'emails en messages vocaux (RNN TTS, 500+ emails/jour) — Industrialisation ML avec MLflow (tracking, registry, serving) : rollbacks <5min — Déploiement application Django REST avec interface web, réduction du temps de traitement de 40% — Bonnes pratiques MLOps : pipelines reproductibles, versioning artefacts, monitoring drift — Python, NLP, RNN, MLflow, Django REST, Docker, PostgreSQL

— Dashboard Django + PostgreSQL pour monitoring réseau (10K+ appels/heure) — Implémentation RBAC, alerting email/SMS et reporting KPI temps réel — Automatisation scripts supervision réseau (-70% temps d'investigation)