Saad Lahkim Bennani

[French below]

English :

As a Data Scientist at Sanofi for the SPC Booster project, I am responsible for optimizing the production yields of vaccine manufacturing facilities. My key tasks include:

- Data Preparation : Cleaning, merging, and structuring data in Dataiku for reliable analysis.

- Statistical Analysis : Identifying trends and key factors through exploratory and multivariate analyses.

- ML Modeling : Developed ML models that improved vaccine yields by 6–10%, translating into substantial cost savings due to the scale of pharmaceutical manufacturing.

- Discrete Data Extraction : Automatically identifying phases and key points via smoothing and mathematical analysis.

- Method Standardization : Implementing a generic and reusable modeling procedure for all future SPC Booster projects.

- Interdisciplinary Collaboration : Aligning analyses with industrial constraints in collaboration with bioengineers and process experts.

Français :

Amélioration des rendements des bâtiments de production de vaccins : Projet SPC Booster

- Préparation des données : Nettoyage, fusion et structuration sous Dataiku pour des analyses fiables.

- Analyse statistique : Identification des tendances et facteurs clés via des analyses exploratoires et multivariées.

- Modélisation ML : Développement de modèles pour détecter les leviers d’optimisation des rendements.

- Extraction de données discrètes : Identification automatique des phases et points clés via lissage et analyse mathématique.

- Standardisation des méthodes : Mise en place d’une procédure de modélisation générique et réutilisable pour tous les futurs projets SPC Booster.

- Collaboration interdisciplinaire : Alignement des analyses aux contraintes industrielles avec ingénieurs bio et experts en procédés.

[French below]

English :

- Gesture Recognition on Humanoid Robot : Training the NAO robot to recognize hand gestures using machine learning and transfer learning, achieving a theoretical accuracy of 84% on both synthetic and real data.

- Human-Robot Interaction : Developing a model that enables NAO to interact with users, particularly children, through games such as Rock-Paper-Scissors.

- Computer Vision Research : Studying advanced machine learning techniques for craniofacial reconstruction, peripheral nerve surgery, and breast reconstruction, under the supervision of Dr. Khan Iftekharuddin.

- Demonstration and Outreach : Co-leading an AI workshop at the Slover Library (Norfolk), where NAO achieved an accuracy of 80% in real-world interaction conditions.

Français :

- Reconnaissance gestuelle sur robot humanoïde : Entraînement du robot NAO à reconnaître les gestes de la main via machine learning et transfer learning, atteignant une précision théorique de 84% sur des données synthétiques et réelles.

- Interaction humain-robot : Développement d’un modèle permettant à NAO d’interagir avec les utilisateurs, notamment les enfants, à travers des jeux comme Pierre-Feuille-Ciseaux.

- Recherche en vision par ordinateur : Étude des techniques avancées de machine learning appliquées à la reconstruction crâniofaciale, la chirurgie nerveuse périphérique et la reconstruction mammaire, sous la supervision de Dr. Khan Iftekharuddin, qui encadrait mon stage.

- Démonstration et vulgarisation : Co-animation d’un atelier sur l’intelligence artificielle à la Slover Library (Norfolk), où NAO a atteint une précision de 80% en conditions réelles d’interaction avec le public.

[French below]

English:

- Monitoring and Reporting : Developing SPLUNK alerts and dashboards used daily by the BI team to monitor DataStage and Power BI jobs.

- Analysis and Optimization : Analyzing logs to detect real-time anomalies and intervening promptly to avoid interruption costs.

- Workflow Migration : Conducting pilot tests for the transition from DataStage to SSIS.

Français:

- Surveillance et reporting : Développement d’alertes et de dashboards SPLUNK, utilisés au quotidien par l’équipe BI pour superviser l’exécution des jobs DataStage et Power BI.

- Analyse et optimisation : Exploitation des logs pour détecter les anomalies en temps réel et intervenir rapidement afin d’éviter les coûts d'interruptions et garantir la bonne exécution des traitements.

- Migration de workflows : Tests pilotes sur la transition de DataStage vers SSIS.