AymenKhatrani
Data Scientist & IA · Élève-ingénieur Polytech Lille — ISIA
Je transforme la donnée en décisions — machine learning, modélisation prédictive et data engineering, du prototype jusqu’à la mise en production.
- Basé
- Lille · mobile IDF
- Focus
- ML · IA · Data Eng
- Disponibilité
- Sept 2026 · 1 an
- École
- Polytech Lille · 5A
Élève-ingénieur, orienté data & IA.
Polytech Lille · ISIA · Cycle ingénieur — data, machine learning & IA.
En cycle ingénieur à Polytech Lille (ISIA), je me forme à la data science et à l’intelligence artificielle appliquées. Machine learning, modélisation prédictive, séries temporelles et ML interprétable : mon cœur de travail, avec le souci constant de modèles fiables et utiles.
Mes expériences (Banque Populaire, Cimmobilier, R&D neuroimagerie à Boğaziçi) m’ont appris à transformer des données dispersées en livrables industrialisables — pipelines, dashboards, modèles validés. Je code en Python et SQL avancé, et je documente comme je code.
Je cherche une alternance Data & IA pour ma 5ᵉ année, dès septembre 2026, dans une équipe qui prend au sérieux la rigueur des modèles, leur interprétabilité et leur passage en production.
- Polytech Lille — ISIA2023 – 2027 · Diplôme d’ingénieur
- Lycée Jean Bart, Dunkerque2021 – 2023 · CPGE PSI
- FrançaisNatif
- AnglaisC1 · TOEIC 870
- EspagnolB1
- Google AI EssentialsGoogle
- Claude Certified ArchitectAnthropic
- AWS Cloud PractitionerEn cours
Langages
Python (pandas, NumPy, scikit-learn, XGBoost, statsmodels) · R · SQL avancé · Bash
Machine Learning
Régression · Classification · Clustering · Séries temporelles · Feature engineering · SHAP
Bases de données
PostgreSQL (CTEs, window functions, PL/pgSQL, vues matérialisées) · MongoDB
BI & Reporting
Power BI · Tableau · Excel avancé · Plotly · Matplotlib
MLOps & Data Eng.
ETL/ELT · Docker · Git/GitHub · Airflow (notions) · PySpark (notions)
Outils
Jupyter · Linux · Agile/Scrum · Documentation technique
Cinq postes, une trajectoire data & IA.
Antéchronologique · 2026 → 2022
Stagiaire R&D · Modélisation et pipelines de données neuroimagerie
Construction d’un pipeline Python de prétraitement et de classification de signaux IRM/EEG multi-sites (3 laboratoires partenaires) ; benchmark de modèles ML/DL (accuracy, F1) et co-rédaction d’un rapport scientifique en anglais.
- Data · R&D
- Python
- ML / DL
Vendeur
Conseil et vente en boutique, gestion du réassort et de la mise en rayon. Relation client en flux continu et restitution des indicateurs de performance à l’équipe.
- Retail · Client
Stagiaire Data Quality & Fiabilisation · CRM Immobilier
Réduit le taux d’erreur des données CRM de 22 % à 6 % en quatre semaines via un pipeline Python/SQL de déduplication et de standardisation sur ~1 500 fiches clients, documenté pour reprise autonome.
- Data Quality
- Python
- SQL
Stagiaire Analyse de Données
Conçu un tableau de bord de suivi d’activité (clients, transferts, crédits) livrant 5 KPIs actionnables à la direction. Réduit le temps de production du reporting mensuel d’environ 60 % en automatisant l’agrégation des données sous Python/Excel.
- Data · Banque
- Reporting
Conseiller de vente
Conseil et vente d’offres mobiles et internet en boutique, accompagnement des clients dans le choix et la mise en place de leurs forfaits, suivi de la satisfaction post-vente.
- Retail · Client
Projets
Cliquez une carte pour la centrer · études de cas détaillées
CKOALA — Moteur de classification taxonomique
Conception et test d’un moteur Java pour classer des observations naturelles à partir de taxonomies hiérarchiques. Liskov vérifié au chargement, 90 %+ de code coverage.
Scoring du risque crédit — Dataset Cofidis
Scoring crédit sur 5 344 clients : EDA, feature engineering, rééquilibrage SMOTE (déséquilibre ~1:7). Régression logistique retenue pour son interprétabilité réglementaire — AUC = 0,769, Gini = 0,537.
Pack-A.I. — Veille marché & coûts fournisseurs
Service IA d’analyse automatisée : connecteurs API d’indices de marché (énergie, fret, matières premières) + scraping Playwright. Synthèses LLM via RAG pour le suivi des coûts (TCO) et de l’empreinte CO₂ des acheteurs — en cours.
Dashboard Supply Chain — BigQuery & Looker
Schéma en étoile sous BigQuery (~180 k commandes : faits + dimensions produit/client/temps). Dashboard Looker — taux de retard, délais d’expédition, ventes par catégorie/région, drill-down — et prévision de demande.
Dashboard santé & risque — WHO / World Bank
Tableau de bord macroéconomique sur 200+ pays (2000–2024) : modèle en étoile, mesures DAX, carte choroplèthe, drill-down région→pays sur ~5 300 indicateurs. Prévision d’espérance de vie en séries temporelles.
Analytique SQL avancée — Base e-commerce
Socle analytique sur ~536 k lignes : CTEs récursives, window functions, vues matérialisées. Contrôles qualité automatisés par triggers PL/pgSQL (anomalies de stock, doublons, dérives de CA) — −60 % de temps de reporting.
Back-testing & stabilité de modèle — EA Sports FC
Validation out-of-time sur 10 saisons (~180 k obs.) : entraînement passé → test futur (17→21, puis 17+21→24), arbre de décision interprétable, CV 5-folds, gestion du déséquilibre. F1 pondéré ≈ 0,95, stable dans le temps.