Menu

Mohamed EL HARCHAOUI

  • Groupe PSA
  • Ingénieur Data Scientist

Paris

En résumé

En tant que data Scientist en deep learning avec 8 ans d'expérience, je me spécialise dans l'utilisation de ML de pointe pour résoudre des problèmes complexes dans :
- Vision par ordinateur, traitement du langage naturel (NLP), apprentissage par renforcement (RL) et réseaux de neurones graphiques (GNN).

Mes compétences techniques incluent une expertise dans différentes architectures DL. J'ai une vaste expérience dans les domaines suivants :
- Applications de vision par ordinateur, comme :
- Détection d'objets,
- Segmentation,
- Classification,
- Tâches NLP telles que
- Analyse des sentiments, et
- Similarité du texte,
De plus, j'ai également de l'expérience avec des problèmes difficiles avec l'apprentissage par renforcement et les GNN pour l'analyse de structures de graphes complexes.

J'ai utilisé les techniques DL tout au long de ma carrière pour aider les organisations à optimiser leurs opérations, à améliorer leurs produits et services et à améliorer l'expérience client. J'ai travaillé sur des projets dans divers secteurs, notamment la santé, la finance, l'automobile, l'énergie, les services et la fabrication, en utilisant différents types de données d'entrée comme des tableaux, des signaux, des images, des vidéos et du texte...

En plus de mes compétences techniques, j'ai de solides compétences en communication et en gestion de projet, ce qui me permet de collaborer efficacement avec des équipes interfonctionnelles et de gérer des projets de l'idéation à la mise en œuvre.

Connectons-nous si vous pensez que nous pouvons nous entraider. Merci pour votre visite.

Entreprises

  • Groupe PSA - Ingénieur Data Scientist

    Technique | Paris (75000) 2018 - 2018
    Mission Big Data : Reconnaissance de style de conducteur de véhicule

    Réalisations :
    - installation et configuration des outils d’accès au Big Data
    - Développement de fonctions d’extraction de données brute (Vitesse, Accélération;)
    - Prétraitement de données extrait (regroupement de données...)
    - Sélection de population d’études
    - Extraction de caractéristiques de roulages (coefficients caractéristiques)
    - Évaluation des algorithmes de classifications non supervisée

    Résultats :
    - travailler sur un projet industriel concret, élaboration de guide d’installation et configuration, création des fonctions élémentaires de base d’extraction de données;
    Visualisation de données, élaboration des statistiques sur les données, prise en main de l’outil spark, développement du savoir-faire en python et traitement de données, partage et capitalisation de savoir-faire au sein de l’équipe ACG.
    - Classification de style des conducteurs candidate en 3 classes (sportive, Calme et normale)

    Environnement technique :
    - package de traitement de données (Pandas, NumPy, SciPy, Matplotlib, scikit-learn, TensorFlow)
    - Outils (Spark, Hbase, HDFS, Power BI, PySpark, Python, Jupyter, Linux)

    Mission d'optimisation : Optimisation de compromis Nox Particules
    - Évaluation des algorithmes d'optimisation
    - Acquisition de données résultantes d'optimisation
    - Application des algorithmes d'apprentissage de prédiction de série de temps
    - Prédiction de signaux optimaux pour la commande du moteur qui optimise le compromis Nox ParticulesMission Big Data : Reconnaissance de style de conducteur de véhicule Réalisations : - installation et configuration des outils d’accès au Big Data - Développement de fonctions d’extraction de données brute (Vitesse, Accélération;) - Prétraitement de données extrait (regroupement de données...) - Sélection de population d’études - Extraction de caractéristiques de roulages (coefficients caractéristiques) - Évaluation des algorithmes de classifications non supervisée Résultats : - travailler sur un projet industriel concret, élaboration de guide d’installation et configuration, création des fonctions élémentaires de base d’extraction de données; Visualisation de données, élaboration des statistiques sur les données, prise en main de l’outil spark, développement du savoir-faire en python et traitement de données, partage et capitalisation de savoir-faire au sein de l’équipe ACG. - Classification de style des conducteurs candidate en 3 classes (sportive, Calme et normale) Environnement technique : - package de traitement de données (Pandas, NumPy, SciPy, Matplotlib, scikit-learn, TensorFlow) - Outils (Spark, Hbase, HDFS, Power BI, PySpark, Python, Jupyter, Linux) Mission d'optimisation : Optimisation de compromis Nox Particules - Évaluation des algorithmes d'optimisation - Acquisition de données résultantes d'optimisation - Application des algorithmes d'apprentissage de prédiction de série de temps - Prédiction de signaux optimaux pour la commande du moteur qui optimise le compromis Nox Particules

    Skills: Data Science · Machine Learning · Artificial Intelligence · Big Data · Matlab · Python · Microsoft Power BI · Big Data Analytics · Data Analytics
  • Delphi - Responsable de projet ingénierie et process

    Informatique | Tanger 2014 - 2017

    Travailler sur différente problématique technique d'automatisation et d'optimisation.

    - Automatisation des processus de production.
    - Prédiction des meilleur paramètres optimal pour la machine à souder par des NNs
    - Trouver l'alternative du matière première des terminaux la mieux adaptée en cas de pénurie de RM
    - Contrôle qualité automatisé et détection d'anomalies : vérification d'épissage en utilisant la vision par ordinateur pour la détection d'anomalies
    - Prédiction des prévisions de commandes pour l'approvisionnement et le budget de la MR, l'allocation de l'espace et de l'équipement.

    Outils: Python, C++, C, MATLAB, SAP, Microsoft Office.Travailler sur différente problématique technique d'automatisation et d'optimisation. - Automatisation des processus de production. - Prédiction des meilleur paramètres optimal pour la machine à souder par des NNs - Trouver l'alternative du matière première des terminaux la mieux adaptée en cas de pénurie de RM - Contrôle qualité automatisé et détection d'anomalies : vérification d'épissage en utilisant la vision par ordinateur pour la détection d'anomalies - Prédiction des prévisions de commandes pour l'approvisionnement et le budget de la MR, l'allocation de l'espace et de l'équipement. Outils: Python, C++, C, MATLAB, SAP, Microsoft Office.

    Skills: Six Sigma · Process Improvement · Anomaly Detection · Data Science · Machine Learning · Artificial Intelligence · Deep Learning · Product Management · Lean Manufacturing · Python · Transversal management · Data Analytics
  • NDJ Automation - Stagiaire Ingénieur Automaticien

    2013 - 2013 - Etudes dimensionnel et quantification du matériel ainsi que le chiffrage du cout et des temps
    - Installation électrique et configuration des Automates et des Entrée/Sortie
    - Elaboration des programmes d’automatisation et de supervision SCADA des unités de production
    - Maintenance et Réparation des matériels Industriels et d'Automatisme
  • Bureau d'études automatisme - Stagiaire Ingénieur Automaticien

    2013 - 2013 Sujet : Etude, configuration et mise en œuvre d’un système numérique de contrôle commande (ICS, avec la solution de Yokogawa) pour le projet « ODI » à l’OCP Jorf Lasfar.
    - Analyse de cahier des charges et l’étude de dimensionnement des équipements pour l’unité à automatisé
    - Élaboration des plans, schémas des armoires et de l'architecture de Système de Contrôle Distribué (DCS)
    - Élaboration de la base de données et configuration des standard Software et la supervision des procédés
    - Mise en œuvre, simulation et test du programme fonctionnelle
  • Cim D'equipement - Stagiaire Ingénieur Automaticien

    2013 - 2013 Sujet : Etude, configuration et mise en œuvre d’un système numérique de contrôle commande (ICS, avec la solution de Yokogawa) pour le projet « ODI » à l’OCP Jorf Lasfar.
    - Analyse de cahier des charges et l’étude de dimensionnement des équipements pour l’unité à automatisé
    - Élaboration des plans, schémas des armoires et de l'architecture de Système de Contrôle Distribué (DCS)
    - Élaboration de la base de données et configuration des standard Software et la supervision des procédés
    - Mise en œuvre, simulation et test du programme fonctionnelle
  • Onep - Stagiaire Technicien Maintenance

    RABAT 2012 - 2012 Sujet : Mise en place de la méthode AMDEC Machine sur une conditionneuse (Forme-Fill-Seal) en vue d’augmenter son efficience et sa disponibilité.
    - Analyse fonctionnelle (FAST) et l’dentification des modes de défaillance, leur cause et leur effets (5P, Ishikawa)
    - Évaluation des critères de cotation (Fréquence, gravité, Indécidabilité) et la proposition d'actions Correctives
  • Centrale Laitière - Technicien Maintenance

    Casablanca 2012 - 2012 Sujet : Mise en place de la méthode AMDEC Machine sur une conditionneuse (Forme-Fill-Seal) en vue d’augmenter son efficience et sa disponibilité.
    - Analyse fonctionnelle (FAST) et l’dentification des modes de défaillance, leur cause et leur effets (5P, Ishikawa)
    - Évaluation des critères de cotation (Fréquence, gravité, Indécidabilité) et la proposition d'actions Correctives

Formations

  • Université Paris Est Val De Marne Créteil (UPEC)

    Creteil 2018 - 2018 Master

    Le parcours «Systèmes cyber-physiques, Technologies de l’Information, de l’intelligence et du Contrôle» (ScTIIC) donne des formation dans le domaine de la conception, de la modélisation et du contrôle/commande des systèmes cyber-physiques. Ces systèmes font appel à un grand nombre de disciplines scientifiques et technologiques (informatique, contrôle/commande de systèmes, robotique, réseaux de cap
  • Ecole Marocaine Des Sciences De L'Ingenieur - EMSI RABAT (Rabat)

    Rabat 2010 - 2013 Ingénieur

    Formation des ingénieurs pluridisciplinaires dans le domaine de l’automatisme et de l’informatique industrielle. On a obtenue des compétences étendues à l’ensemble des secteurs disciplinaires du domaine du génie électrique et de l’informatique à savoir automatisme, informatique industrielle, électronique analogique et numérique, automates programmables, supervision, bases de données, programmation
  • Ecole Supérieure De Technologies Salé (Salé)

    Salé 2008 - 2010 DUT
  • Ecole Supérieur De Technologies (Salé)

    Salé 2008 - 2010 DUT

    Informatique intelligente : DUT Technicien Supérieur en Maintenance Industrielle (MI).
    - Machin learning, deep learning ;
    - Classifcation de données
    - Intelligence Artificiel Expérience
    - Représentation des connaissances ;

Réseau

Annuaire des membres :