Wasim M Ansari

À propos de moi

Ingénieur en solutions IA axé sur les résultats avec une formation unique en droit et en science des données. Je suis spécialisé dans le développement de systèmes IA respectueux de la vie privée qui respectent les normes de protection des données tout en offrant un impact commercial mesurable. Ma formation juridique et technique garantit des solutions IA qui sont non seulement techniquement solides mais aussi éthiquement conformes et respectueuses du RGPD.

Je suis spécialisé dans le fine-tuning des LLM, les implémentations RAG et le déploiement de modèles ML prêts pour la production. Je suis actuellement une formation intensive à l'IIT Madras en techniques ML/IA avancées, avec une expérience pratique des architectures Transformer, des bases de données vectorielles et des solutions IA génératives. Mon expertise couvre PyTorch, TensorFlow et l'écosystème Hugging Face pour la construction d'applications IA évolutives.

Projets sélectionnés

• 
  MediFlow: Assistant IA Médical Post-Congédiement [Live Demo] [GitHub]

  Problème: Les patients congédiés des hôpitaux ont souvent du mal à gérer leurs soins médicaux à domicile, manquant d'orientation personnalisée et d'accès facile à des informations médicales précises.
  Solution: Implémentation d'un chatbot IA multi-agents prêt pour la production utilisant LangGraph, combinant le routage intelligent, la récupération de connaissances basée sur RAG et la recherche Web en temps réel.
  Impact: Support médical intelligent 24/7 avec couverture de test 95%+ et confidentialité complète grâce à une architecture consciente des PHI/PII.
  Fonctionnalités principales: Système Multi-Agent, Pipeline RAG avec FAISS, Recherche Web en temps réel, Traçage LangSmith, Diffusion de jetons, Interface Web moderne.
  Stack technologique: Python, FastAPI, LangChain, LangGraph, Mistral AI, FAISS, Docker, Google Cloud Run.
• 
  Nephrology RAG MCP Tool [MCP Server Link] [GitHub]

  Problème: Les bases de connaissances médicales nécessitent une intégration transparente avec des outils IA comme Claude Desktop tout en supportant l'accès multi-utilisateurs avec sécurité au niveau entreprise.
  Solution: Construction d'un serveur MCP (Model Context Protocol) prêt pour la production avec transport HTTP/SSE exposant les connaissances médicales via des points de terminaison authentifiés.
  Impact: Les utilisateurs de Claude Desktop et les clients personnalisés peuvent accéder à des connaissances spécialisées en néphrologie avec authentification par clé API, mise à l'échelle horizontale.
  Fonctionnalités principales: Serveur MCP avec transport HTTP/SSE, Gestion des sessions multi-utilisateurs, Authentification par clé API, Support CORS, Mise à l'échelle horizontale.
  Stack technologique: Python, FastAPI, Protocole MCP, FAISS, Mistral AI, Docker, Kubernetes, Google Cloud Run, AWS ECS/Fargate.
• 
  PDF Excel Extractor: Structuration de Documents par IA [Live Demo] [GitHub]

  Problème: Les entreprises ont du mal à extraire et structurer les données non structurées de diverses documents PDF, ce qui entraîne une saisie manuelle et des erreurs.
  Solution: Système de traitement de documents alimenté par l'IA qui détecte dynamiquement les champs pertinents, effectue l'extraction de données par lot et génère des fichiers Excel structurés.
  Impact: Réduit le temps de traitement des documents de 80% sans schémas codés en dur, gestion flexible de différents types de documents.
  Fonctionnalités principales: Détection dynamique de schéma, Compréhension sémantique alimentée par LLM, Traitement par lot, API REST, Assurance qualité, Export Excel.
  Stack technologique: Python, FastAPI, Mistral AI, LangChain, Pandas, Docker, Google Cloud Run.
• 
  DocuDroid: Bot d'Analyse de Documents IA [Démo] [GitHub]

  Problème: Les développeurs ont souvent du mal à parcourir la documentation des bibliothèques et des API lorsqu'ils n'ont besoin que d'un exemple de code concis.
  Solution: Implémentation d'un stockage vectoriel temporaire en mémoire avec chunking pour une récupération immédiate.
  Impact: Accélération des flux de travail des développeurs grâce à des exemples de code ciblés.
  Fonctionnalités clés: Chat intelligent avec LLM, Analyse de PDF & Web, Stockage vectoriel en mémoire.
  Tech Stack: Python, FastAPI, LangChain, Mistral AI, InMemoryVectorStore, Modern HTML/CSS/JS, Docker, Google Cloud Run.
• 
  Générateur d'Images Flux [Démo] [GitHub]

  Problème: Nombreux utilisateurs doivent se connecter pour utiliser les outils de génération d'images et manquent d'automatisation API.
  Solution: Construction d'une plateforme de génération d'images avec points d'API REST.
  Impact: Optimisation de l'automatisation et de l'intégration pour les flux de travail de design.
  Fonctionnalités clés: Génération texte-vers-image, API REST, Support multi-modèles.
  Tech Stack: Python, FastAPI, Azure Web Apps, Hugging Face Diffusers, PIL, Docker.
• 
  RudeBot - Votre Compagnon IA Impertinent [Démo] [GitHub]

  Problème: Projet de week-end — beaucoup de chatbots sont trop polis et standardisés.
  Solution: Implémentation d'un chatbot contextuel avec réponses en streaming et personnalité délibérément impertinente.
  Impact: Prototype démonstratif pour la conception de persona conversationnel.
  Fonctionnalités: Réponses en streaming, Réponses basées sur la personnalité, Mémoire persistante.
  Tech Stack: Python, Mistral AI, LangGraph, Streamlit, Docker.
• 
  Détection de Masques avec CNN & VGG16 [Démo] [GitHub]

  Problème: COVID-19 a créé un besoin de surveillance automatisée du port du masque.
  Solution: Approche par transfer learning avec architecture VGG16.
  Impact: 95% de précision dans la détection en temps réel.
  Fonctionnalités: Détection en temps réel, Classification trois classes, Transfer learning.
  Tech Stack: Python, PyTorch, VGG16, OpenCV, NumPy, Matplotlib.
• 
  Mogambo Planificateur IA Vocal [Démo] [GitHub]

  Problème: La gestion manuelle du calendrier est fastidieuse et chronophage.
  Solution: Google OAuth pour accès sécurisé aux données calendrier et assistant vocal.
  Impact: Démonstration de la faisabilité de la gestion vocale du calendrier.
  Fonctionnalités: Entrée vocale & texte, Intégration Google Calendar, Correspondance intelligente.
  Tech Stack: FastAPI, LangGraph, LangChain, Google Calendar API, SpeechRecognition.
• 
  Jurisol: Assistant Juridique IA Indien [Démo] [Docker Hub] [GitHub]

  Problème: Les avocats ont besoin d'un lieu unique pour la recherche juridique.
  Solution: Système RAG recherchant dans le stockage vectoriel et les bases gouvernementales.
  Impact: Optimisation de la recherche juridique et accès gratuit aux informations légales.
  Fonctionnalités: Aperçus juridiques instantanés, Recherche IA, Focus droit indien.
  Tech Stack: Python, FastAPI, Streamlit, ChromaDB, MistralAI, LangChain, Docker.
• 
  Assistant IA de Préparation aux Entretiens [Démo] [GitHub]

  Problème: Difficulté à trouver des questions d'entraînement personnalisées et réalistes.
  Solution: Assistant IA pour simulations d'entretiens personnalisées avec Mistral AI.
  Impact: Plus de 100 utilisateurs ont amélioré leurs compétences.
  Fonctionnalités: Génération de questions personnalisées, Réponses détaillées.
  Tech Stack: Streamlit, Python, Mistral AI, Custom CSS.
• 
  BikeValuePro: Prédiction de Prix ML [Démo] [GitHub] [Docker Hub]

  Problème: Incertitude dans l'estimation des prix des motos d'occasion.
  Solution: Prédicteur de prix ML utilisant des modèles ensemble avancés.
  Impact: 92% de précision dans la prédiction des prix.
  Fonctionnalités: Prédiction précise des prix, Insights IA, Interface conviviale.
  Tech Stack: Streamlit, Python, Scikit-learn, XGBoost, ColumnTransformer.
• 
  Résolveur de Devoirs IA [Démo] [GitHub]

  Problème: Compétition IIT Madras: 10 problèmes d'analyse en 30 minutes.
  Solution: Développement d'un solveur automatisé obtenant un A+.
  Impact: Démonstration de la puissance des agents IA autonomes.
  Fonctionnalités: Exécution de code généré par IA, Traitement multi-format.
  Tech Stack: Python, FastAPI, Mistral API, Pandas, pdfplumber, Docker.
• 
  Application Journal Photo [Démo] [GitHub]

  Problème: Besoin d'une plateforme cloud native fiable pour les journaux photos.
  Solution: Application sans serveur sur Google Cloud Run.
  Impact: 99,9% de disponibilité et mise à l'échelle sans effort.
  Fonctionnalités: Téléchargements d'images, Support multi-utilisateurs, Flux chronologique.
  Tech Stack: Flask, Google Cloud SQL, Google Cloud Storage, Google Cloud Run.
• 
  Détecteur de Similarité Textuelle [Démo] [Docker Hub] [GitHub]

  Problème: Difficulté à détecter les contenus dupliqués sur les plateformes.
  Solution: Système de similarité textuelle ML avec Word2Vec et XGBoost.
  Impact: 88% de précision dans la détection des doublons.
  Fonctionnalités: Analyse de similarité sémantique, Scoring de confiance.
  Tech Stack: Python, Flask, XGBoost, Word2Vec, Docker, HTML + CSS.
• 
  Prédicteur de Menaces Système (Top 5% Kaggle) [Kaggle]

  Problème: Compétition Kaggle IIT Madras pour développer un modèle ML de détection.
  Solution: Développement d'une technique ensemble pour le top 5%.
  Impact: Démonstration d'expérimentation ML avancée.
  Fonctionnalités: Feature engineering, Modélisation ensemble, Classement Kaggle.
  Tech Stack: Python, Random Forest, XGBoost, Pandas, Scikit-learn.

Expérience professionnelle

• Ingénieur IA/ML & Développeur de Solutions — Freelance/Projets Indépendants (Dehradun, Inde)
  Sept. 2024 – Présent
  • Poursuite du diplôme IIT Madras en science des données tout en étudiant de manière approfondie les sujets avancés.
  • Conception et déploiement de multiples applications IA/ML de bout en bout.
  • Livraison d'implémentations de qualité production avec Docker, FastAPI, Flask, Streamlit et Google Cloud/Azure.
  • Top 5% sur Kaggle dans un défi de détection de cybersécurité.
  • Construction active d'un portfolio de projets diversifié.

Standards Professionnels & Certifications

Expertise Technique