Arslan DIF
Full Stack
& Ingénieur IA

Industrialisation de mon classifieur EuroSAT (ResNet-18, 98,1 % au gate de promotion) en plateforme MLOps complète : pipeline DVC (données versionnées sur MinIO), tracking et registry MLflow avec promotion champion/challenger sous contraintes (accuracy, rappel par classe, latence), serving FastAPI par alias avec rechargement à chaud, monitoring Prometheus (5 alertes) et journal des prédictions en PostgreSQL, détection de dérive Evidently déclenchant le ré-entraînement via GitHub Actions. 69 tests, CI avec smoke test Docker, test d'acceptation sur 520 requêtes réelles.

Agent LLM qui pilote TerraOps en langage naturel : boucle ReAct avec 5 outils (API live, registry MLflow, rapport de dérive Evidently) et retrieval hybride (ChromaDB + BM25, fusion RRF) sur la documentation. Le cœur du projet est le harnais d'évaluation : 29 cas, vérité terrain relue sur le système vivant, agents de contrôle oracle/null/liar pour valider les graders. Claude Opus 5 : 97 % de choix d'outil correct, 94 % d'exactitude factuelle, 100 % de citations réelles, 3 % d'hallucination — contre 69 / 54 / 27 / 17 % pour Qwen2.5-3B en local. 44 tests, Docker.

SaaS de gestion pour barbershops : réservations en ligne, gestion des clients, analytics de fréquentation. Projet solo, full stack.

Classification d'images satellite sur le dataset EuroSAT. Fine-tuning ResNet-18 pré-entraîné sur 27 000 images (10 classes terrestres). 97,80 % de précision, macro F1 0,9779 en 25 epochs.

Pipeline temps réel sur les données Vélib' (API GBFS) : ingestion Kafka (KRaft), Spark Structured Streaming avec fenêtres et watermark, stockage chaud PostgreSQL et froid Parquet/MinIO, modèles XGBoost et GRU servis par FastAPI, dashboard cartographique Streamlit. 7,3 M de mesures ingérées sur 1 516 stations. Conclusion documentée : à court terme la persistance est quasi optimale, XGBoost n'améliore que le RMSE (+1 à +5 %) — on sert le modèle honnêtement étiqueté.

Client réel : boutique multimarque de vêtements américains. Application de caisse et de gestion de stock (PWA React : scan EAN par caméra ou douchette, vente à crédit, ticket WhatsApp, rapport Z, photos compressées côté navigateur) et site vitrine public bilingue FR/AR. Backend Spring Boot 3.5 en JDBC : mouvements de stock append-only protégés par triggers PostgreSQL, marges jamais exposées au rôle vendeur, JWT RS256, 61 migrations Flyway, 585 tests JUnit. En production sur VPS OVH avec HTTPS et sauvegardes quotidiennes.

Plateforme éducative de cybersécurité : simulation d'attaques phishing, injection SQL, détection d'intrusion avec Snort. Interface pédagogique interactive.

Plateforme éducative pour élèves de Terminale bac français. 100+ élèves, 5 pays, 100 % de réussite au bac. Cours en ligne, exercices interactifs, suivi personnalisé.

Plateforme de réservation de terrains de sport (football, padel, tennis…), en production. Architecture web + mobile, système de paiement, gestion des créneaux en temps réel. L'adoption côté clubs reste le défi en cours : pivot à l'étude.

Projet de recherche (Master 1 SII, USTHB · équipe de 3) reproduisant le papier Wang et al. 2024 — MCTNet, un réseau CNN-Transformer léger (~56k paramètres) pour la cartographie des cultures pixel par pixel à partir de séries temporelles Sentinel-2 (36 composites de 10 jours, 10 bandes spectrales). Pipeline complet de bout en bout : acquisition Google Earth Engine sur deux régions agricoles américaines (Arkansas, Californie), prétraitement, entraînement et évaluation (OA / Kappa / F1). Partie 2 : étude d'ablation intégrant des covariables environnementales (sol, climat, topographie). Partie 3 : trois contributions originales — GatedMCTNet (fusion dynamique CNN/Transformer apprise), MCTNet Multiscale et UNetMCTNetWithCovars (encodeur-décodeur U-Net + covariables).

Bot de veille des logements CROUS du Val-de-Marne. Playwright pilote un vrai Chromium pour franchir la salle d'attente anti-bot du site, puis interroge son API JSON interne toutes les 2 à 3 minutes. Alertes Telegram avec lien direct vers l'annonce, mémoire dédupliquée à écritures atomiques, alerte après 5 échecs consécutifs, tâche planifiée Windows avec verrou mono-instance. 12/12 vérifications déterministes (cycles multiples, panne Telegram, mémoire corrompue).

Système complet de gestion des visiteurs développé en PFE chez SARL SPINTECHS. Interface admin web (React), application mobile Flutter (scan QR, badges, trilingue FR/EN/AR), borne satisfaction client avec notation 5 étoiles, et module IA de reconnaissance de pièces d'identité (TensorFlow, 94 % de précision). Backend Spring Boot avec JWT, MySQL.

Application mobile de gestion des dépenses personnelles. Publié sur le Google Play Store. Catégorisation automatique, visualisation des tendances, objectifs d'épargne.

Compilateur complet pour un sous-ensemble du langage C : analyse lexicale (Flex), analyse syntaxique (Bison), génération de code intermédiaire et table des symboles.

Application de gestion hospitalière en Java : dossiers patients, gestion des consultations, ordonnances, facturation. Architecture MVC complète.

Plateforme de cartes animées pour la Saint-Valentin. Cartes personnalisées avec animations CSS, partage via lien unique, stockage Supabase.

Projet académique Red Team : simulation de phishing, scareware et exfiltration de données dans un environnement contrôlé. Analyse des vecteurs d'attaque et contre-mesures.

Implémentation Java + JavaFX de cinq formalismes de représentation des connaissances : logique classique (CNF/SAT4J + FOL chaînage avant), logique modale (modèles de Kripke), logique des défauts de Reiter (raisonnement non-monotone), logique de description (ontologies OWL + raisonneur HermiT), et réseaux sémantiques (propagation de marqueurs de Fahlman). Deux domaines : industrie musicale et système judiciaire.

Projet en 4 parties autour des SMA et de la planification distribuée : protocole d'enchères anglaises FIPA (1 vendeur, N acheteurs — performatifs CFP/PROPOSE/ACCEPT), agents mobiles avec décision multi-critères (1 acheteur, N vendeurs), planification AIMA classique en Python, planification multi-agents centralisée produisant des plans distribués.

9 TPs sur les métaheuristiques d'optimisation : PSO (Particle Swarm Optimization) sur fonctions benchmark unimodales (Sphere, Rosenbrock) et multimodales (Rastrigin, Schwefel, Griewank), Feature Selection avec PSO sigmoïde binaire couplé à KNN, et Algorithmes Génétiques avec sélections Random/Cumulated/N Best et croisements 1-Point/2-Point. Métriques Best/Mean/STD sur multiples runs, courbes de convergence.

Banc d'essai en C pour comparer plusieurs algorithmes de tri (tri à bulles classique et optimisé, tri par tas min construit par insertions). Chronométrage haute précision via QueryPerformanceCounter sous Windows, comparaison best/worst/random sur tableaux de taille variable, courbes de complexité O(n²) vs O(n log n) en échelle logarithmique.