Selim Limam

○ Concu et deployée un modèle NLP automatisant la classification de 250 000+ requêtes Amazon quotidiennes, confiant à la machine une tâche auparavant manuelle et chronophage — réduction du temps de traitement de plusieurs jours à moins de 10 minutes et gain de productivité estimé à +95%.

○ Modernisé les techniques de web scraping via un allègement du code et une refonte complète de l'infrastructure (GCP, Cloud Run, Compute Engine, Artifact Registry, ProtonVPN, multiprocessing) — passage de 1 capture toutes les 4 secondes à 1 capture par

seconde, soit un gain x4 en vitesse.

○ Parallélisé et fiabilisé les flux industriels de captation de données, réduisant le temps de livraison quotidien de 2 heures et améliorant le taux de réussite des traitements de 80% à plus de 99% grâce à une architecture asynchrone robuste (SQL, GCP, Amazon Ads API).

○ Prédiction d'indices boursiers (MASI 20) avec réseaux LSTM et indicateurs techniques

○ Simulation de stratégies de trading et visualisation via notebooks (Pandas, Scikit-learn)

○ Application Python pour automatiser le traitement de donn´ ees pluviom´ etriques – réduction de 100% du temps de traitement ( Tkinter, openpyxl)

○ Intégration de flux climatiques en temps réel avec génération automatique de rapports Excel