Votre navigateur est obsolète !

Pour une expériencenet et une sécurité optimale, mettez à jour votre navigateur. Mettre à jour maintenant

×

Leila KERKENI

PHD/ Data Scientist

Accueil Expériences Formations Compétences
Télécharger mon CV PDF
Leila KERKENI
36 ans
Permis de conduire
Le Mans (72000) France
Contactez-moi
Situation professionnelle
En poste
En recherche active
Présentation
Data scientist experimentée dans le développement de l'informatique et de l'évolution des tendances en matière de l'IA dans divers domaines (banque, assurance, automobile), proactive, polyvalente et industrieuse pour atteindre les objectifs en mettant en profit les données et en effectuant des recommandations bien planifiées.
Capable de :
  • Développer des applications de traitement du langage naturel (NLP) et d'IA générative.
  • Créer divers outils ou processus basés sur l'apprentissage automatique (Machine Learning et Deep Learning) au sein de l'entreprise.
  • Proposer des algorithmes pour le traitement du signal
  • Proposer des idées d'évolution et d'amélioration des éléments développés.
  • Récupérer des informations de diverses sources et les analyser pour mieux comprendre les performances de l'entreprise pour créer des outils d'intelligence artificielle (IA) qui automatisent certains processus au sein de l'entreprise.

LANGUE
  • Français: Courant
  • Anglais: Professionnelle
  • Arabe: Maternelle
  • Italien: Débutant
CV réalisé sur DoYouBuzz
Expériences
    • Développement d'un outil de transcription automatique (STT) à des fins de contrôles, intégrant NLP et IA générative.
    • Scoring et recherche d’information : TF-IDF, embeddings, similarité cosinus.
    • Développement et déploiement sur la plateforme IA Domino.
    • Expérience avec MLflow pour le suivi, la gestion et le déploiement des expérimentations et modèles IA.
    • Développement en méthode Agile.
    • Versionning du code avec Git.
    • Refactorisation et amélioration continue d'un projet de classification des verbatims par thématiques et tonalités, en utilisant des LLM (Large Language Models) de la librairie Transformers de Hugging Face.
    • Travail sur des applications de traitement du langage naturel (NLP) et d'intelligence artificielle générative (GenAI), en utilisant Azure Databricks et OpenAI.
    • Evaluation d'une solution speech-to-text : annotation des audios avec Kili, calcul de métriques NLP pour mesurer la qualité de la transcription.
    • Exploitation de l'environnement Databricks pour concevoir des produits de data science prêts pour la production.
    • NLP utilisant PyTorch, Huggingface Transformers et Simple Transformers.
    • Expérience avec MLFlow (suivi des expérimentations et des modèles de machine learning)
    • Gestion de pipelines de traitement de données sur Databricks et Azure.
    • Développement en mode Agile (sprint)
    • Tests unitaires
    • Packaging de code
    • Gestion de versions (Git)
    • Documentation du code
  • Projet R&D
    -Responsable work package (bien-être à bord, IHM et connectivité)
    -Documentation, planification de WBS, cahier de laboratoire
    -Rédaction du cahier des charges et des livrables
    -Gestion et suivi des intercontrats
    -Encadrement des stagiaires
    • Développement et optimisation de modèles Machine Learning et Deep Learning : classification (SVM, Random Forest, CNN, ResNet, Transformers), clustering (k-means, clustering hiérarchique), réseaux de neurones (LSTM).
      -Développement des briques technologiques basées sur l'IA : EMOUX (emotion recognition), IDUX (user identification), user authentication (RNN, CNN Deep Learning, openCV, Keras, TensorFlow, Scikit-Learn, numpy, TensorFlow Lite)
      -Test et validation des performances des modèles développés
      -Analyse, interprétation et présentation des résultats
      -Déploiement et utilisation du Deep Learning sur une carte Raspberry Pi 3.
      -Prototypage, spécification , conception et pilotage de développement des applications mobiles: méthode agile Scrum, méthodes UX design (Persona, Brainstorming)
      -Développement de l’application mobile PKC sous Android
  • Autonomous Vehicle: Projet Client Confidentiel (Mars 2022)
    Implémentation des algorithmes d'optimisation du trajet des véhicules autonomes dans le cadre de Carsharing en respectant la capacité du véhicule, le temps d’attente et le temps de détour autorisés pour le client (Python, Pycharm,Gitlab)
  • TP Algorithmique : fondamentaux ( cycle ingénieur niveau 3A), TP Programmation réseaux, concurrente et distribuée ( cycle ingénieur niveau 4A)
  • Mon sujet de thèse intitulé: Analyse acoustique de la voix pour la détection des émotions du locuteur (Outils : Python et Matlab)
  • Première contribution:
    Construction du corpus émotionnel en langue française dans un contexte pédagogique, appelé "French student emotional database".
  • Deuxième contribution:
    Proposition d'une nouvelle méthode d'extraction des caractéristiques basée sur la démodulation AM-FM (modulation d'amplitude et modulation de fréquence) de la voix par le couplage EMD-TKEO.
  • Troisième contribution:
    Proposition d'un système de RAE utilisant les caractéristiques proposées et les caractéristiques spectrales et cepstrales existantes dans la littérature.
  • TP Développement multimédia (niveau DUT2), TD Développement multimédia (niveau Alt DUT2), TP Infographie (niveau DUT2), CM+TD
    Systèmes d’information multimédia (niveau LP WEBAPPS), CM+TD IHM et UX (niveau LP WEBAPPS), TD Projet tutoré S2 (niveau DUT1)
  • TP Programmation Orienté Objet JAVA (niveau L2), TP Mini projet (niveau 2A)

STAGES

Listes des différents stages Projet étudiant
2011 à 2014
  • STAGE DE PROJET DE FIN D'ÉTUDES: ISSAT Février-Juin 2014
    • conception et développement d’une application de négociation entre agents logiciels dans un système multi-agents (JADEX).
  • STAGE TECHNICIEN: TES ENTREPRISE Juillet 2013
    • Conception et développement d'une application de gestion pharmaceutique (C#).
  • STAGE TECHNICIEN: EASY CONTROL ENTREPRISE Juillet 2012
    • Conception et développement d'une application de gestion d'entrepôt d'expédition de bouteilles (C#).
  • STAGE DE PROJET DE FIN D'ÉTUDES: ISIMM Février-Juin 2011
    • Réalisation d’un outil de transformation exogène des structures de données (pile, file, liste et arbre) vers java.
Formations

DOCTEUR EN MACHINE LEARNING ET TRAITEMENT DU SIGNAL

Janvier 2020
Laboratoire d'Acoustique de l'Université du Mans (LAUM), France

INGÉNIEUR EN INFORMATIQUE

Juin 2014
Institut supérieur des sciences appliquées et de technologie de Sousse (ISSAT), Tunisie.
  • Spécialité : Génie logiciel

LICENCE FONDAMENTALE EN SCIENCES DE L'INFORMATIQUE

Juin 2011
Institut supérieur d'informatique et de mathématiques de Monastir (ISIMM), Tunisie.
Compétences

Scientifiques et Informatique

  • Machine Learning & Data Science: Python, PyTorch, Pandas, Numpy, Scipy, Matplotlib, Spacy, NLTK, Tensorflow, Tensorflow Lite, Keras, Scikit-Learn, OpenCV, Tkinter
  • Connaissances de script et de programmation: Python, JAVA, Matlab, C, C#, PL/SQL, MySQL, No SQL MongoDB, Oracle, VB.net, JADEX, J2EE, Git.
  • Connaissance des Techniques de base du NLP : Tokenisation, LLMs, prompt engineering, LLM fine-tuning PEFT ;
  • Excellente compréhension des techniques et algorithmes de computer vision: Filtrage, Segmentation, Classification, Clustering, Reconnaissance de formes, Extraction de descripteurs , Détection / Suivi d’objets, Reconstruction 3D.
  • Excellentes compétences administratives et collectives: Gestion et suivi des intercontrats et stagiaires, Evaluation des dossiers de recrutement des étudiants, Membre de comités de lecture scientifiques : "Indonesian Journal of Electrical Engineering and Computer Science" (IJEECS) et Membre de comité d’organisation du colloque de l’enseignement des technologies de l’information et des systèmes (CETSIS2017).

Publications

  • Leila Kerkeni, Y. Serrestou, M. Mbarki, K. Raoof, M.A. Mahjoub, "Automatic Speech Emotion Recognition using an Optimal Combination of Features based on EMD-TKEO", Elsevier, Speech Communication (2019), doi :https://doi.org/10.1016/j.specom.2019.09.00.2
  • Leila Kerkeni , Y. Serrestou, M. Mbarki, K. Raoof, M.A. Mahjoub, C. Cleder, “Automatic SpeechEmotion Recognition using Machine Learning”, In : Social Media and Machine Learning, IntechOpen(2019), doi : http://dx.doi.org/10.5772/intechopen.84856
  • Leila Kerkeni, C. Cleder, Y. Serrestou, K. Raoof, “A Database of French Emotional Speech”, The International Conference on Speech Emotion Recognition in Affective Computing (ICSERAC), 2021.
  • Leila Kerkeni, Y. Serrestou, M. Mbarki, K. Raoof, M.A. Mahjoub, “Speech Emotion Recognition :Methods and Cases Study”, The International Conference on Agents and Artificial Intelligence (ICAART), 2018.
  • Leila Kerkeni, Y. Serrestou, M. Mbarki, K. Raoof, M.A. Mahjoub, “A review on speech emotion recognition : Case of pedagogical interaction in classroom”, The International Conference on Advanced Technologies for Signal and Image Processing (ATSIP), 2017.
  • Leila Kerkeni, Y. Serrestou, M. Mbarki, K. Raoof, M.A. Mahjoub, C. Cleder, “Speech Emotion Recognition : Recurrent Neural Networks compared to SVM and Linear Regression”, The International Conference on Artificial Neural Networks (ICANN), 2017.
  • Théo Gueuret and Leila Kerkeni, "A Multimodal Biometric Authentication System Using of Autoencoders and Siamese Networks for Enhanced Security", Electronic Letters on Computer Vision and Image Analysis (ELCVIA), 2024, doi : https://doi.org/10.5565/rev/elcvia.1811
Certifications

Connected Manager

17/07/2023
"Connected Manager" est un programme de leadership co-développé et co-certifié par l'université Harvard et Capgemini dans le cadre d’une initiative mondiale lancée en 2019. Il permet aux collaborateurs de renforcer les compétences en management et leadership, tout en naviguant dans le nouvel environnement de travail hybride : le New Normal.
Le programme se décline en 3 axes (Proximité, Performance et Perspective) et est organisé par équipe.

Generative AI with Large Language Models

01/10/2024
"Generative AI with Large Language Models" est une formation proposée par DeepLearning.AI qui présente les concepts fondamentaux des LLM, en mettant l'accent sur l'architecture des transformers, notamment les modèles GPT. Elle permet de développer des compétences pratiques en matière d'entraînement et de déploiement de modèles pour des applications variées en NLP, en combinant des leçons théoriques et des exercices pratiques.
(Voir la certification)
CV créé sur DoYouBuzz