P26-12 Optimisation Smart Parking par IAPROJET PFE

Contexte & Challenge

• Objectif principal : prédire l’occupation des places de parking et optimiser les flux de véhicules pour réduire la congestion.
• Enjeu métier : fournir un modèle prédictif opérationnel et une interface de visualisation temps réel utilisable par les exploitants.

Planning détaillé (sur 6 mois)

• Mois 1 : analyse & cadrage des besoins, définition des jeux de données et des KPIs de performance.
• Mois 2 : collecte et préparation des données (nettoyage, feature engineering, stockage SQL/NoSQL).
• Mois 3 : conception du modèle IA (choix d’algorithmes, architecture, prototypage).
• Mois 4 : entraînement, validation et tests du modèle (classification / régression selon besoin).
• Mois 5 : intégration du modèle dans l’application, développement du dashboard temps réel et mise en place des APIs.
• Mois 6 : validation finale, documentation technique et soutenance.

Livrables attendus

• Modèle prédictif opérationnel (code + artefacts entraînement).
• Dashboard temps réel et simulation des flux de véhicules.
• Rapport final détaillant méthode, résultats, tests et recommandations d’intégration.

Critères d’évaluation

• Fiabilité et qualité des prédictions (métriques de performance, robustesse).
• Expérience utilisateur (UX) et clarté des visualisations du dashboard.
• Impact mesurable sur le trafic et la gestion des flux.
• Qualité et clarté des livrables (code, documentation, rapport, soutenance).

Profils recherchés — Développement Full Stack (x3)

• Cibles : élèves en Génie Logiciel, Informatique ou Systèmes d’Information.
• Compétences techniques : Java, Spring Boot (REST APIs, sécurité, validation, JPA/Hibernate), Angular (components, services, routing, forms, RxJS), SQL (PostgreSQL/MySQL), notions NoSQL.
• Architecture & pratiques : MVC, RESTful, principes SOLID, intégration d’APIs, JSON, authentification.
• Outils & DevOps : Git, Docker (bases), notions CI/CD.
• Qualités personnelles : autonomie, rigueur, esprit d’équipe, sens du détail, capacité à transposer besoins fonctionnels en solutions techniques maintenables.

Profil recherché — Intelligence Artificielle (x1)

• Cible : élève en Data Science, IA ou Génie Logiciel avec spécialisation IA.
• Compétences techniques : Python, pandas, scikit-learn, TensorFlow ou PyTorch, nettoyage et feature engineering, méthodes de classification et régression.
• Intégration : capacité à exposer le modèle via APIs REST et à interagir avec un backend Spring Boot.
• Outils : notebooks, Git, notions Docker.
• Qualités personnelles : esprit analytique, curiosité, autonomie, aptitude à vulgariser les résultats IA et orientation valeur métier.

Encadrement & organisation

• Nombre de stagiaires : 4 (3 Full Stack + 1 IA).
• Responsable de projet : Omar Turki.
• Exigences finales : prototype fonctionnel, dashboard intégrée, documentation complète et soutenance devant l’équipe.

📧 Pour postuler: jobs@numeryx.fr