Modèles de machine learning et de deep learning
Prédiction, classification, prévision et détection d'anomalies sur vos données, pour le commerce, l'industrie, la santé ou la finance.
Projets : DataBot, ThreatLens, EEG
Disponible pour un poste ou des missions freelance, à distance ou à Tunis
Data scientist et ingénieure IA · diplômée de l'ENIT, 2026
Je construis des assistants IA, des modèles prédictifs et des outils de vision par ordinateur qui fonctionnent sur de vraies données.
Je mesure honnêtement ce que valent mes modèles avant de les montrer.
À propos
Ingénieure en modélisation et data science, diplômée de l'École Nationale d'Ingénieurs de Tunis en 2026. J'aime les projets complets : partir de données brutes, construire un modèle ou un agent, l'évaluer sur des données qu'il n'a jamais vues, puis le livrer dans un outil que quelqu'un utilise vraiment.
Mes projets couvrent le machine learning classique, le deep learning pour la vision, le traitement du signal et l'IA générative : agents, RAG et évaluation par LLM juge.
Services
Chaque service s'appuie sur des projets que vous pouvez ouvrir, avec leurs résultats mesurés et leurs limites.
Prédiction, classification, prévision et détection d'anomalies sur vos données, pour le commerce, l'industrie, la santé ou la finance.
Projets : DataBot, ThreatLens, EEG
Des assistants IA qui répondent à partir de vos documents ou de vos données (RAG) et des agents qui automatisent des tâches en plusieurs étapes.
Projets : Explain My Model, DataBot
Détection et classification sur images et vidéo, du nettoyage des données à l'inférence en temps réel.
Projets : Reconnaissance des émotions faciales
Projets
Chaque projet affiche ses résultats mesurés, sa méthode et ses limites.
2 démos vidéoPosez vos questions sur vos données métier en langage courant et obtenez la réponse avec son graphique, ou menez ensemble un projet de data science complet en validant chaque étape, avec tout le travail livré en notebook et en rapport PDF.
Un assistant IA qui se connecte aux bases de données et aux fichiers, écrit et exécute le code, construit et évalue des modèles. Il suit CRISP-DM et ne passe à la phase suivante qu'avec l'accord de l'utilisateur. Prêt pour un déploiement public : comptes ouverts, clé IA propre à chacun, code isolé.
Démo vidéoReconnaît l'émotion de chaque visage dans une vidéo (joie, surprise, colère…) et indique son degré de certitude, plus vite que la vidéo ne défile.
Un ResNet-18 pré-entraîné reconnaît 7 émotions sur chaque visage d'une vidéo, en temps réel. J'ai d'abord retiré 7 976 images douteuses, dont 1 916 copies entre entraînement et test, puis mesuré sur un test propre : 82,7 % d'exactitude.
Résultats par patientRepère automatiquement les crises d'épilepsie dans des enregistrements de signaux cérébraux (EEG).
Un modèle par patient sur la base CHB-MIT : filtrage, caractéristiques du signal, sélection des canaux avec Boruta et seuil réglé pour ne pas rater de crise. 31 crises détectées sur 32.
Lit le code SAS, Python et R des modèles de risque de crédit d'une banque, y compris du code bâti sur SAS Risk Dimensions, un moteur propriétaire sans documentation publique, et rédige leur documentation technique et réglementaire, vérifiée automatiquement puis validée par un expert.
PFE chez PwC : huit agents d'IA lisent le code SAS, Python et R de modèles de risque de crédit et rédigent leur documentation IFRS 9 et Bâle III. Contrôles automatiques, LLM juge et revue experte : fidélité au code de 0,96.
Surveille le trafic d'un site web et signale les visiteurs suspects (scans de failles, attaques de mots de passe, robots), avec leur provenance et une alerte envoyée par e-mail.
Détection non supervisée de scans, d'attaques et de robots dans 1,83 Go de logs web. Isolation Forest note chaque adresse toutes les 5 minutes ; l'application ThreatLens affiche une carte et envoie des alertes PDF. F1 de 0,92 sur une base de test simulée.
Méthode
Je commence par fixer ce qui compte et comment le mesurer : rater une crise d'épilepsie coûte plus qu'une fausse alerte, donc le rappel prime ; au PFE, cinq critères de succès chiffrés étaient fixés avant la première ligne de code.
Avant de modéliser, je cherche ce qui fausserait le résultat : 1 916 images communes à l'entraînement et au test retirées, clients comptés deux fois, mois incomplets, montants gonflés par des jointures.
Test isolé et utilisé une seule fois, ordre réel du temps quand il compte, comparaison à des modèles de référence, intervalles de confiance. Les réglages se choisissent sur la validation, jamais sur le test.
Je vais jusqu'à l'outil utilisé : tableau de bord avec alertes, plateforme pour experts, rapports PDF, notebook. Chaque livrable dit où il est fiable et où il ne l'est pas.
Parcours
Février à juillet 2026 · Tunis
Projet de fin d'études (PFE) au sein de Risk Services Maghreb : une plateforme multi-agents d'IA générative qui lit le code de modèles de risque de crédit et rédige leur documentation IFRS 9 et Bâle III, vérifiée automatiquement puis validée par un expert. Voir le projet.
Juillet à août 2025 · à distance
Détection non supervisée d'attaques dans 1,83 Go de logs web, et ThreatLens, une application de surveillance avec carte et alertes PDF par e-mail. Voir le projet.
AI Engineer for Data Scientists Associate, DataCamp, 11 décembre 2025. Voir le certificat
Compétences
Utilisé dans : Émotions
Utilisé dans : DataBot, Explain My Model
Utilisé dans : DataBot, Explain My Model, Anomalies
Utilisé dans : Explain My Model, Anomalies, EEG, DataBot
Contact
Je suis disponible pour un poste ou des missions freelance, à distance ou à Tunis. Le plus simple est de m'écrire : je réponds rapidement.
emnatounssi@gmail.com