Hi, my name is Bonjour, je m'appelle

Anis Fakhfakh, M.A.Sc

I'm aJe suis Data Scientist|

View ProjectsVoir les projets Download CVTélécharger le CV Contact Me →Me contacter →
Portrait of Anis Fakhfakh

Data Scientist with an M.A.Sc. in Information Technology, combining a strong quantitative foundation with hands-on experience developing practical data-driven solutions. Experienced in designing solutions across computer vision, time-series forecasting, NLP, and other machine learning applications. Skilled at translating complex data into actionable insights, communicating findings to cross-functional stakeholders, and building AI solutions that drive measurable business impact.

Based in Montreal, QC, Canada, I am seeking an opportunity to apply machine learning and data analytics to solve real-world business or R&D challenges.

Scientifique de données titulaire d'une maîtrise en technologies de l'information, alliant une solide formation quantitative à une expérience pratique dans le développement de solutions basées sur les données. Expérimenté dans la conception de solutions en vision par ordinateur, prévision de séries chronologiques, traitement du langage naturel et autres applications de l'apprentissage automatique. Je transforme des données complexes en informations exploitables pour soutenir la prise de décision, communique efficacement les résultats à des équipes multidisciplinaires et développe des solutions d'IA générant un impact mesurable.

Basé à Montréal, QC, Canada, je suis à la recherche d'une nouvelle opportunité où je pourrai mettre à profit l'apprentissage automatique et l'analytique des données afin de relever des défis concrets, tant en industrie qu'en R&D.

ExperienceExpérience

IT Engineer ContractIngénieur TI Contractuel

Private real estate appraisal firmSecteur de l'évaluation immobilière

March 2026 – June 2026 · Montréal, Québec, Canada Mars 2026 – Juin 2026 · Montréal, Québec, Canada
  • Developed Python-based decision-support tools for comparable property analysis and database querying, enabling faster identification of relevant past evaluations and supporting more accurate property valuation decisions for a private broker.
  • Designed automated Python and SQL pipelines to generate and pre-fill assessment reports from source documents, standardizing workflows, reducing manual data entry, and significantly shortening hours of manual report pre-filling time.
  • Développement d'outils d'aide à la décision en Python pour l'analyse de propriétés comparables et l'interrogation de bases de données, appuyant des décisions d'évaluation foncière plus précises pour un courtier privé.
  • Conception de pipelines automatisés en Python et SQL pour préremplir des rapports d'évaluation à partir de documents sources, standardisant les processus, réduisant considérablement le temps nécessaire au préremplissage des rapports.

Research AssistantAssistant de recherche

LIO/CRCHUM

May 2023 – December 2025 · Montréal, Québec, Canada Mai 2023 – Décembre 2025 · Montréal, Québec, Canada
  • Implemented a novel PyTorch deep learning framework estimating knee flexion angles from monocular RGB walking videos, achieving clinically reliable performance (MAE: 2.4°) and outperforming state-of-the-art pose estimation baselines.
  • Validated the statistical significance of two architectural improvements via ablation studies: MAE reduction via feature map regularization (-8.27%) and KneeKG inpainting (-9.30%), confirmed with SPM1D over 85%+ of the gait cycle.
  • Developed a KneeKG Clinical AI workflow using MMDetection, OpenCV and h5py, orchestrating data preprocessing, biomechanical annotation, model training, and evaluation across a 30-participant dataset for clinical gait analysis research.
  • Adapted a repeated holdout cross-validation to reduce subject-specific overfitting and strengthen clinical model reliability.
  • Communicated results to biomechanical researchers from CRCHUM and industry partners EMOVI and MOVECK.
  • Conception d'un framework d'apprentissage profond novateur en PyTorch estimant les angles de flexion du genou à partir de vidéos de marche, cliniquement fiable (MAE : 2,4°) et surpassant les baselines en estimation de pose.
  • Validation de la signification statistique de 2 améliorations architecturales par réduction de la MAE : la régularisation des feature maps (-8,27%) et le KneeKG inpainting (-9,30%), confirmées par SPM1D sur plus de 85% du cycle de marche.
  • Développement d'un workflow d'IA clinique KneeKG utilisant MMDetection, OpenCV et h5py : le prétraitement des données, l'annotation biomécanique, l'entraînement de modèles et l'évaluation sur un ensemble de données de 30 participants.
  • Communication des résultats aux chercheurs en biomécanique du CRCHUM et aux partenaires industriels Emovi et Moveck.

Data ScientistScientifique de données

Cognira

January 2022 – December 2022 · Tunis, Tunisia Janvier 2022 – Décembre 2022 · Tunis, Tunisie
  • Designed and implemented modular, scalable Azure data pipelines using Databricks, in collaboration with the data engineering team, processing large-scale retail time-series data across thousands of product SKUs and categories.
  • Engineered demand forecasting features (price elasticity, promotions, seasonality and calendar effects), improving unit sales forecasting by 2-5% (Weighted Absolute Percentage Error reduction) across 65% of retail product categories.
  • Automated concurrent promotion campaigns lift quantification and advised clients on the recommended strategies.
  • Développement de caractéristiques de prévision capturant l'élasticité des prix, les promotions et la saisonnalité, améliorant les prévisions de ventes unitaires de 2-5% (réduction de l'erreur absolue en pourcentage pondérée) sur 65% des catégories.
  • Quantification du "lift" des campagnes de promotion simultanées et conseil des stratégies recommandées aux clients.
  • Mise en œuvre de pipelines de données Azure avec Databricks, en collaboration avec l'équipe d'ingénierie des données, traitant des séries chronologiques de vente au détail à grande échelle sur des milliers de SKUs et catégories de produits.

R&D Deep Learning InternStagiaire R&D en Apprentissage Profond

Lab-STICC / IMT Atlantique

April 2021 – September 2021 · Plouzané, France Avril 2021 – Septembre 2021 · Plouzané, France
  • Improved the spatiotemporal reconstruction performance of a 4DVarNet model by 3.2% through adversarial learning techniques and reaching a total 9.7% improvement through additional stochastic learning components.
  • Refactored the 4DVarNet framework from PyTorch to PyTorch Lightning, improving modularity and reproducibility.
  • Amélioration des performances de reconstruction spatio-temporelle du modèle 4DVarNet de 3,2% grâce à des techniques d'apprentissage contradictoire et atteignant une amélioration totale de 9,7% par ajout d'apprentissage stochastique.
  • Refactorisation du framework 4DVarNet vers PyTorch Lightning, améliorant la modularité du code et sa reproductibilité.

Data Science / NLP InternStagiaire Data Science / NLP

axefinance

June 2020 – August 2020 · Tunis, Tunisia Juin 2020 – Août 2020 · Tunis, Tunisie
  • Scraped and preprocessed a corpus of 5,000 financial news articles using BeautifulSoup and lxml for NLP analysis.
  • Built and deployed a Guided LDA topic modelling pipeline using Gensim and scikit-learn, achieving 0.7 topic coherence across 3 predefined financial topics and 20 seed words per topic.
  • Extraction et prétraitement d'un corpus de 5000 articles financiers à l'aide de BeautifulSoup et lxml pour l'analyse NLP.
  • Conception et déploiement à l'aide de Flask d'un pipeline de modélisation de sujets "Guided LDA" en utilisant Gensim et scikit-learn, atteignant une cohérence de sujet de 0,7 sur 3 thèmes financiers prédéfinis avec 20 mots-clés experts par thème.

EducationFormation

Master of Applied Sciences in Information Technology Thesis-Based Maîtrise en génie des technologies de l'information avec mémoire

École de technologie supérieure (ÉTS)École de technologie supérieure (ÉTS)

2023 – 2025 · Montréal, Québec, CanadaMontréal, Québec, Canada

GPA: 4.12 / 4.30

View ThesisVoir la thèse

Bachelor of Engineering in Applied Mathematics and Data Science Diplôme d'ingénieur en mathématiques appliquées et science des données

École Nationale d'Ingénieurs de Tunis (ENIT)

2018 – 2021 · Tunis, TunisiaTunis, Tunisie

Pre-Engineering Course Preparatory Diploma Math & Physics Classes préparatoires aux études d'ingénieur Mathématiques et Physique

Institut Préparatoire aux Études d'Ingénieurs de Sfax (IPEIS)

2016 – 2018 · Sfax, TunisiaSfax, Tunisie

National ranking: 106 / 1300Classement national : 106 / 1300

LanguagesLangues

English — ProfessionalAnglais — Professionnel French — ProfessionalFrançais — Professionnel Arabic — NativeArabe — Langue maternelle

SkillsCompétences

ML & Data ScienceApprentissage automatique & Science de données

Machine Learning & Predictive ModelingMachine Learning Deep LearningApprentissage profond Computer VisionVision par ordinateur Time Series ForecastingPrévision de séries chronologiques Natural Language ProcessingNLP Feature EngineeringFeature Engineering Statistical Analysis & TestingAnalyse & tests statistiques Data VisualizationVisualisation de données LLMs & Agentic AILLMs et IA agentique ETL PipelinesPipelines ETL

EngineeringIngénierie

Python SQL R C / C++ Docker Git Databricks / Spark Azure Power BI

PracticesPratiques

MLOps Agile (Jira, Confluence) Technical DocumentationDocumentation technique Unit TestsTests unitaires Claude Code

ProjectsProjets

Personal ProjectsProjets personnels

Semi-Supervised Medical Image Segmentation with Interpolation Consistency Regularization Segmentation semi-supervisée d'images médicales avec régularisation par cohérence d'interpolation

Implemented a semi-supervised MA-Net cardiac MRI segmentation model using interpolation consistency, achieving 74.34% DSC.

Conception de segmentation d'IRM cardiaque MA-Net avec cohérence d'interpolation, atteignant un score DSC de 74,34%.

View on GitHubVoir sur GitHub

International Soccer Analytics EngineAnalyse du football international

Built and validated an Elo-based soccer prediction engine (5K+ fixtures), benchmarking against the 2026 World Cup results.

Mise en œuvre d'un pipeline de bout en bout traitant plus de 23 000 matchs de football international avec un classement Elo.

View on GitHubVoir sur GitHub

Bixi AI Trip PlannerPlanificateur intelligent Bixi

Developed an AI trip planner combining BIXI bike availability, public transit routing, and LLM reasoning agents in real time.

Développement d'un planificateur IA BIXI comparant les trajets vélo et transport en commun via un agent de raisonnement.

View on GitHubVoir sur GitHub

Upwork / Freelance ProjectsProjets Upwork

PyTorch Personalized Federated Learning Framework Upwork Framework d'apprentissage fédéré personnalisé en PyTorch Upwork

Built a custom federated learning approach from scratch involving a differential privacy setting, achieving accurate predictions with low communication overhead while preserving local clients' data privacy.

Développement d'un framework d'apprentissage fédéré personnalisé performant, avec un module de confidentialité différentielle et à faible surcharge de communication.

Experimental Comparative Study on Federated Learning Frameworks Upwork Étude comparative expérimentale des frameworks d'apprentissage fédéré Upwork

Benchmarked and compared federated learning simulators including TFF, Flower, FedML, and PySyft based on hyperparameter flexibility, computational efficiency, and predictive performance to support framework selection decisions.

Analyse comparative de simulateurs d'apprentissage fédéré (TFF, Flower, FedML, PySyft) selon la flexibilité des hyperparamètres, l'efficacité computationnelle et la performance prédictive, pour orienter le choix du framework.

Sports Kinematics Benchmarking and Reporting Upwork Analyse comparative et rapports en cinématique sportive Upwork

Evaluated and compared pose estimation methods (HRNet, OpenPose, MediaPipe, etc.) in accurately capturing kinematics from sports motion sequences using computer vision frameworks (OpenCV).

Réalisation d'analyse comparative et évaluation de modèles d'estimation de pose (HRNet, OpenPose, MediaPipe, etc.) à partir de données de mouvements sportifs.

OOP-based Ecological Systems Simulation Upwork Simulation de systèmes écologiques basée sur la POO Upwork

Customized an object-oriented Python ecological simulation system with modular architecture for scenario-based modeling.

Personnalisation et modularisation d'un système de simulation écologique en Python pour la modélisation basée sur des scénarios.

Contact MeMe contacter

anis.fakhfakh@outlook.com +1 (438) 365 5562 LinkedIn GitHub Upwork Download CVTélécharger le CV