Want to create interactive content? It’s easy in Genially!
Get started free

Over 30 million people create interactive content in Genially.

Check out what others have designed:

Discover more incredible creations here

Transcript

FELLA BENNADJI

start

International Project Manager

Réseau Canopé & Fella

Background

Projects

International Project Manager

Transsion Holdings

International Assistant

2018

2022

TAL / NLP

Master

2022

Study of gender inequality in the professional environment

DDL Laboratory

2020

Language Sciences

Master

2023

Text dictation projectKaligo localization project

Learn & Go

Parcours

01

  • Project planning and monitoring
  • Development of a model to measure gender bias in job postings
  • Web scraping
  • Data annotation
  • Text mining | Quantitative and qualitative analysis
  • Data visualization
  • Project presentation and promotion
  • Scientific monitoring

https://github.com/FellaBennadji

Projects

02

  • Definition of the Project Vision and Objectives
  • Data Management and NLP Solution Development
  • Team Coordination
  • Planning and Risk Management
  • Monitoring Results and Measuring Impact

https://github.com/FellaBennadji

Projects

03

  • A meaningful job
  • An exciting international dimension
  • A framework of innovation and collaboration

Why

Réseau Canopé

04

  • Experience in EdTech
  • Mastery of project management
  • Appetite for international opportunities

Why?

Fella

05

https://github.com/FellaBennadji

bennadjifella@yahoo.fr

+33 605 863 666

Alors travaillons ensemble !

  • Tests de cas d’usage : s’assurer qu’il interprète correctement les requêtes et parcourt l’ontologie efficacement.
  • Amélioration des performances : optimiser le temps de réponse et la précision de la génération des contextes : améliorer le modèle NLP ou la logique de parcours ?
  • Retour des utilisateurs : Recueillir des retours des utilisateurs finaux pour ajuster l’agent en fonction des besoins réels.
  • Déploiement en production : Lancer l’agent IA dans l’environnement de production.
  • Maintenance et amélioration continue : veille pour maintenir à jour l’ontologie, ajuster le modèle NLP, et intégrer les retours des utilisateurs pour améliorer en continu.
  • Analyse des besoins : définir les cas d’usage spécifiques et les exigences métiers -> comprendre les types de données nécessaires et les types de requêtes.
  • Définition des ontologies métiers : Examin des publications de référence et les standards existants pour modéliser les concepts métiers et les relations pertinentes.
  • Choix des technologies : BERT ou GPT ? Neo4j ou GraphDB ?
  • Modélisation de l’ontologie : structurer l’ontologie : concepts clés, les entités, et leurs relations avec Protégé ? TopBraid Composer ?
  • Intégration des données : Alimenter l’ontologie avec des données de référence et valider la cohérence des informations : ajustements.
  • Développement NLP : adapter un modèle NLP capable de décomposer les requêtes en éléments exploitables pour la navigation dans le graphe.
  • Création de la logique de parcours du graphe : Développer des algorithmes pour que l’agent puisse parcourir dynamiquement l’ontologie.
  • Génération de contextes NGSI-LD : Conception d'un module qui transforme les résultats extraits en objets NGSI-LD.
  • Connexion au Context-Broker : assurer l'envoi des contextes générés vers le context-broker en temps réel. Développement d'une API ou d'un connecteur ?
  • Tests d'interopérabilité : vérifier la compatibilité des format NGSI-LD générées avec les autres systèmes connectés : conformité des formats et la qualité des données.