Mohamed A.

Développement d'une plateforme web complète pour WePropre, startup de services de ménage professionnels. Solution permettant la gestion intégrale des opérations : affectation des intervenants aux missions, calcul automatique des coûts et marges, et acquisition clients via un site vitrine moderne.

Panel d'administration incluant la gestion des missions, des staffers et des demandes clients. Système intelligent de gestion des statuts d'intervenants basé sur les horaires réels des missions. Interface responsive avec animations, formulaire de contact et design moderne optimisé pour la conversion.

Stack technique : Python/Flask pour le backend, HTML5/CSS3/JavaScript pour le frontend, SQLite pour la base de données. Déploiement en production sur PythonAnywhere avec gestion automatique des fuseaux horaires pour un suivi précis des missions en temps réel.

Résultats : plateforme opérationnelle permettant la gestion quotidienne complète de l'activité, calculs financiers automatisés et interface intuitive facilitant la prise de décision.

Dans le cadre de ce projet, j'ai conçu et développé un pipeline complet de classification d'images, de la donnée brute jusqu'au déploiement web.

Le cœur du projet repose sur l'implémentation from scratch de trois algorithmes ML — régression linéaire, réseau RBF (Radial Basis Function) et MLP (réseau de neurones multicouches) — développés en Rust pour des raisons de performance, puis exposés à Python via une interface FFI (ctypes).

Le pipeline inclut une étape de data augmentation (rotations, ajustements de luminosité, flips, blur…) multipliant le dataset par 11, une gestion rigoureuse de l'overfitting avec séparation train/test, la sérialisation des modèles entraînés, et un déploiement via une API Flask permettant la classification en temps réel depuis une interface web.

Stack : Rust · Python · Flask · PIL · ctypes (FFI) · Jupyter