Innocent
Niyobuhungiro

Projet de fin d'études 2026

CityTaste

Plateforme de recommandation de restaurants et d'hébergements à Ottawa, avec un assistant IA qui guide l'utilisateur.

• Pipeline de données (nettoyage, enrichissement, EDA) versionné avec DVC.
• Moteur de recommandation et API FastAPI, interface web en HTML/CSS/JS.
• Assistant conversationnel avec RAG sur la documentation du site et LLM local via Ollama.
• Banc d'essai de modèles (Gemma 3 4B, Qwen 3 4B, llama.cpp) pour choisir le meilleur compromis qualité/latence.

PythonFastAPIOllamaRAGDVCDockerJavaScript

Réalisé en équipe avec Japhet Bonheur Beda Valeria · La Cité collégiale

Voir le code ↗

IA générative

Assistant RAG — Hôtel

Assistant pour le personnel d'un hôtel d'Ottawa qui répond à partir des documents internes (politiques, procédures, convention collective).

• Index FAISS + embeddings MiniLM, génération avec Llama 3.2 3B quantifié (GGUF).
• Fine-tuning QLoRA de Qwen2.5 pour reproduire le ton de l'hôtel, comparé au RAG.
• Analyse NLP des avis clients et démo Gradio.

FAISSllama.cppQLoRAGradio

Code ↗

Deep learning

Commandes vocales — GRU

Reconnaissance de mots-clés (yes, no, up, down, go, stop…) sur le Google Speech Commands Dataset.

• Pipeline audio → MFCC (40 coef.) → réseau GRU, 12 classes.
• ~91 % de précision sur le jeu de test.
• Démos : Gradio (micro) et une tortue Python pilotée à la voix.

TensorFlowKeraslibrosaGradio

Code ↗

Séries temporelles

SmartStock

Prévision de la demande d'une épicerie et optimisation du réapprovisionnement.

• 7 modèles LightGBM (horizon 1 à 7 jours), MAE ≈ 7 unités.
• Simulation de stock (point de commande, stock de sécurité) : niveau de service ≈ 0,97.
• Tableau de bord Streamlit.

LightGBMpandasStreamlit

Code ↗

MLOps

API de prédiction — Diabète

Mise en production d'un modèle de classification (Gradient Boosting) derrière une API REST.

• API FastAPI : /predict, /health, /ready, documentation Swagger.
• Conteneurisée avec Docker et déployée sur Google Cloud Run.
• Ingénierie des variables côté API + journal des requêtes.

scikit-learnFastAPIDockerGCP

Code ↗

Full-stack

Réservation de cinéma

Application web de réservation de billets : API REST JSON + pages rendues côté serveur.

• Authentification JWT, rôles client / admin.
• CRUD films, salles, séances ; réservations et annulation.
• Ma contribution : pagination, page « Mes réservations », vues admin.

Node.jsExpressMySQLEJS

Code ↗

Aussi sur mon GitHub : laboratoires Git/GitHub, GitHub Pages et suivi d'expériences ML. Tous les dépôts ↗

1. 2026 — aujourd'hui
   En cours

   Université du Québec en Outaouais (UQO)

   Baccalauréat en informatique — concentration Sciences des données et intelligence artificielle · Gatineau

   J'approfondis les fondements de l'informatique (algorithmique, mathématiques, génie logiciel) et me spécialise en science des données et en intelligence artificielle, en m'appuyant sur l'expérience pratique acquise au collège.

2. Diplômé · 2026
   Terminé

   La Cité collégiale

   Programme en intelligence artificielle · Ottawa

   Formation appliquée : apprentissage automatique, deep learning, IA générative, déploiement de solutions IA, programmation de serveurs web et outillage Git/GitHub. Projet de fin d'études : CityTaste.