Disponible immédiatement · Emploi & freelance

Moad Dabyane / Ingénieur AI/ML

Des données complexes
à une IA utile.

AI/ML · IA générative · Data Engineering

Je transforme des données complexes en systèmes d’IA utiles : vision par ordinateur, workflows ML agentiques et applications de données en streaming. Basé au Maroc, je recherche des opportunités en AI/ML, IA générative et Data Engineering.

Rabat, Maroc/Mon parcours
Portrait de Moad Dabyane
Moad DabyaneINGÉNIEUR AI / ML
Une base mathématique.
Une approche concrète.
MES DOMAINESVision par ordinateurIA agentique & MLOpsSystèmes de données

Sélection de projets

Des idées développées et évaluées.

Trois projets pour explorer mon travail en vision, IA agentique et data engineering.

Tous les projets

Expérience

Des compétences mises en pratique.

Deux expériences en vision par ordinateur et sur le cycle de vie des modèles ML.

  1. Fév. — Août 2026

    Caplogy Innovation

    Vision par ordinateur · Projet de fin d’études

    Détection de personnes dans des images fisheye zénithales, par projection gnomonique, YOLO26x et post-traitement géométrique ou appris.

    • Six vues projetées dans une image composite 2 × 3
    • Pipeline d’entraînement avec 125 430 annotations issues de quatre corpus publics
    • Évaluation de la qualité de détection et de la cadence sur GPU
    Découvrir le projet chez Caplogy Innovation
  2. Janv. — Mai 2026

    3D.S.F

    IA agentique & MLOps · Stage

    Développement d’AgenticIA, une plateforme multi-agents reliant ingestion, entraînement, évaluation, déploiement et suivi des modèles.

    • Orchestration LangGraph de workflows ML et LLM
    • Suivi des expériences, versionnement des données et optimisation des hyperparamètres
    • Boucle adaptative de suivi et d’actions correctives
    Découvrir le projet chez 3D.S.F

Ma façon de travailler

Le modèle fait partie
d’un système.

J’interviens sur les étapes qui rendent un projet d’IA utile, de la compréhension des données à l’application.

Découvrir mes compétences
  1. 01

    Comprendre les données

    Étudier leur structure, leurs limites et le problème auquel elles doivent répondre.

  2. 02

    Construire et évaluer

    Relier les choix de modélisation à des résultats mesurables et contextualisés.

  3. 03

    Relier les composants

    Intégrer inférence, API, pipelines de données et suivi dans un même workflow.

Prenons contact

Un projet d’IA ou de data en tête ?

Parlons de votre équipe, de vos données et de ce que vous souhaitez construire.

Prenons contact