Anis Djebbar

Construction et préparation des données comportementales (vues, paniers, achats), mise en place d’un pipeline simple de nettoyage et d’agrégation; Traitement de la sparsité utilisateur-produit et développement d’un modèle de filtrage collaboratif (factorisation matricielle via Python); Mise en place d’un modèle content-based en exploitant les caractéristiques produits (catégories, descriptions) et création d’embeddings basiques; Prototypage et mise en service d’un système hybride combinant les deux approches, évalué par benchmarking (precision, recall).

Travaux de R&D : ingénierie descripteurs de texture (LBP, GLCM) à partir d’images CT, avec prétraitement (normalisation, segmentation des régions d’intérêt); Construction d’un dataset exploitable à partir de la base LIDC-IDRI et préparation des features pour la modélisation; Conception, entraînement et comparaison (benchmarking) de modèles de classification (SVM, Random Forest, KNN) pour la détection bénin/malin; Évaluation des performances via validation croisée (k-fold) et analyse des erreurs (matrice de confusion, faux positifs/négatifs).