Amal Hmaidi

Conception d'un système IoT embarqué multi-modules de suivi comportemental à domicile sur microcontrôleur sous FreeRTOS, avec communication inter-modules en constellation pour une surveillance non invasive. Implémentation d'algorithmes IA d'apprentissage comportemental pour la détection d'anomalies et la personnalisation des alertes. Synchronisation temps réel des données vers le cloud et envoi d'alertes aux proches.

Conception d'un système intelligent de maintenance prédictive pour batteries Li-ion, basé sur des modèles LSTM prédisant l'état de charge et de santé (SOC/SOH) avec une précision de ±3 %. Conversion et optimisation des modèles via TensorFlow Lite pour un déploiement embarqué : réduction de 70 % de la taille du modèle et gain d'inférence de 40 %. Développement d'une API REST (Flask) et d'une interface React avec visualisation temps réel via WebSocket.