Stages & Alternances

Réf-rs01 Sujet 1 Déploiement et Gestion d’une Solution de SIEM (Security Information and Event Management) pour la Surveillance des Menaces PFE

Médis •

Hybride3-6 moisExpire dans 13 jours

Contexte et objectifs Mettre en place une solution SIEM pour centraliser, corréler et analyser les journaux de sécurité des équipements réseau et des serveurs. Détecter les menaces en temps réel, améliorer la visibilité sur les incidents et renforcer la posture de cybersécurité de l’entreprise. Optimiser l’analyse des logs, la corrélation d’événements et la gestion des alertes pour réduire les faux positifs et accélérer la réponse aux incidents. Tâches principales et livrables attendus Déploiement et configuration d’une stack SIEM basée sur ELK (Elasticsearch, Logstash, Kibana) incluant l’ingestion via Syslog et la récupération des journaux Windows/Unix. Conception et implémentation des pipelines Logstash (parsing, filtres, transformations), indexation dans Elasticsearch et création de tableaux de bord Kibana pour la surveillance. Définition et mise en place de règles de corrélation et d’alerting, tests de détection (cas d’usage), documentation des scénarios et livrables (installation, runbook, playbooks d’alerte). Technologies et environnement technique ELK Stack : Elasticsearch, Logstash, Kibana pour ingestion, stockage et visualisation des logs. Protocoles et systèmes : Syslog, Linux (Ubuntu Server) pour agents/collecte, Windows Server pour journaux d’événements. Outils complémentaires possibles : scripts shell/Python pour automatisation, outils de tests d’intrusion/données de logs pour validation des règles. Profil recherché et compétences souhaitées Connaissances en administration systèmes (Linux/Windows) et en réseaux (protocoles, collecte de logs, sécurité périmétrique). Compréhension des concepts SIEM : parsing de logs, corrélation d’événements, gestion des alertes et réduction des faux positifs. Compétences souhaitées : scripting (Bash, Python), manipulation d’Elasticsearch/Kibana, capacité d’analyse des incidents et rédaction de documentation technique. Modalités de candidature Envoyer votre candidature (CV + lettre de motivation + relevés de notes si demandé) par e‑mail à StagesIT@labomedis.com. Objet du message : "Candidature PFE - Réf-rs01 - Déploiement et Gestion d’une Solution de SIEM" — indiquer clairement "Réf-rs01" dans l’objet du mail. Livrables finaux attendus : plateforme SIEM opérationnelle, tableaux de bord Kibana, règles de corrélation documentées et guide d’exploitation.

Réf-dev01 Sujet 1 Développement d’une plateforme interne de suivi et d’affectation de projets PFE

Médis •

Hybride3-6 moisExpire dans 13 jours

Contexte et objectif Développer une application web interne permettant la gestion, l’affectation et le suivi des projets au sein de l’entreprise. Offrir un outil unifié pour la planification, le suivi et la supervision des projets tout en garantissant la sécurité et la cohérence des données internes. Responsabilités et tâches Concevoir et implémenter l’interface ergonomique et réactive avec Blazor et ASP.NET pour la gestion des projets, des tâches et des affectations. Intégrer l’authentification et la gestion des utilisateurs via Active Directory et assurer l’intégration avec Windows Server pour le déploiement et la gestion centralisée. Mettre en place des contrôles d’accès (rôles, permissions) et assurer la sécurité des échanges (authentification sécurisée, bonnes pratiques de gestion des comptes). Développer les fonctionnalités de suivi d’avancement, notifications internes et tableaux de bord pour faciliter la communication entre équipes. Technologies et environnement Stack technique : ASP.NET, Blazor. Environnements et outils : Active Directory (AD), Windows Server, Visual Studio / Visual Studio Code. Intégration continue et bonnes pratiques de développement : structuration du code, tests unitaires et documentation des modules développés. Livrables attendus et compétences requises Livrables : code source complet, documentation d’architecture et d’utilisation, scripts de déploiement sur Windows Server, jeu de tests de base. Compétences : développement web .NET (Blazor/ASP.NET), compréhension d’Active Directory et administration Windows Server, bonnes pratiques UX pour interfaces internes, travail en équipe et documentation. Candidature Pour postuler, envoyer CV et lettre de motivation en indiquant l’objet exact de l’e-mail : "Candidature PFE Réf-dev01 - Sujet 1 : Développement d’une plateforme interne de suivi et d’affectation de projets". Adresse d’envoi : StagesIT@labomedis.com.

Réf-ia01 Sujet 1: Développement d'un modèle d'IA capable d'extraire des informations manuscrites à partir de rapports de production numérisés PFE

Médis •

Hybride3-6 moisExpire dans 13 jours

Contexte et objectif Développer un modèle d'intelligence artificielle capable d'extraire automatiquement des informations clés à partir de rapports de production numérisés contenant un mélange de texte imprimé et manuscrit. Affiner (fine-tune) un modèle de compréhension de documents existant pour améliorer la reconnaissance et l'interprétation des écritures manuscrites propres aux documents internes. Responsabilités et tâches Préparation et annotation d'un jeu de données de rapports numérisés (imprimé + manuscrit) et définition des labels/informations cibles. Entraînement et évaluation du modèle (fine-tuning), optimisation des performances sur la détection et la transcription des écritures manuscrites, et validation sur jeux de test. Intégration et expérimentation d'approches OCR/Handwriting Recognition et post-traitement pour structurer les informations extraites (parsing, normalisation, validation métier). Technologies et livrables attendus Utilisation d'Anaconda, Python, PyTorch, Jupyter Notebook pour le développement, l'entraînement et l'évaluation. Livrables attendus : code source reproductible, notebooks d'expérimentation, modèle entraîné, rapports de performance (métriques), et recommandations pour intégration en production. Compétences requises et souhaitées Compétences requises : machine learning / deep learning, expérience avec PyTorch, traitement d'images et OCR, manipulation de jeux de données annotés. Compétences souhaitées : expérience en reconnaissance d'écriture manuscrite (handwriting recognition), vision par ordinateur, et capacités à produire pipelines de pré- et post-traitement pour la normalisation des données. Modalités de candidature Pour postuler, envoyer votre CV et lettre de motivation en précisant la référence du sujet dans l'objet du mail. Contact de candidature : StagesIT@labomedis.com

Final Year Internship — Blockchain Analytics & Simulation Engineering

INVEARN • Tunis

Présentiel4-6 moisExpire dans 13 jours

Summary Position: 2025 Final Year Internship (PFE) focused on Blockchain Analytics & Simulation Engineering. Theme areas explicitly listed: blockchain & on-chain analytics, crypto derivatives trading, risk modeling, simulation & test engineering. Project goal & scope Develop an analytics or simulation framework for a modern crypto-derivatives platform (examples given: risk/margin models, scenario replay, stress tests, API validation). The work is framed as a Final Year Project (PFE) lasting 4–6 months and targets engineering of analytics/simulation capabilities for crypto-derivatives. Note: the project will be carried out for a US-based company operating in the crypto-derivatives space. Technical focus & stack Tech stack specified: Python, Docker, Git, Testing, CI/CD. Emphasis on simulation & test engineering, API validation and reproducible development practices (implied by Docker/Git/CI-CD/testing). Candidate profile & location Target profile: Computer engineering student (development/data), curious and detail-oriented. Location: Tunis, Tunisia (onsite). Application instructions To apply, send your CV to contact@invearn.tn. Email subject to use: “Blockchain Analytics Internship – 2025”. Contact email (plain): contact@invearn.tn

09 11 10 Objectives PFE

IOVISION •

Hybride4-6 moisExpire dans 13 jours

Objectives Implémenter un système de pointage et de suivi d'activité des employés basé sur le positionnement de la souris et la capture d'écran périodique. Détecter automatiquement les périodes d'inactivité (après 15 minutes) et enregistrer le temps comme pause; gérer les heures supplémentaires et les déclarations de projet. Fonctionnalités attendues Suivi actif/inactif via position de la souris : après 15 minutes d'inactivité, le temps est enregistré comme pause. Capture d'écran automatisée toutes les 10 minutes ; comparaison d'images avec algorithmes de différence basique pour détection de triche. Contrôles utilisateurs : déclaration de pointage, démarrer/arrêter, pauses (avec motif) et sélection obligatoire du projet pour déclarer des heures. Dashboard RH en temps réel : affectation de projet, statistiques des membres, alertes d'équipe (notifications web) et rapports d'overtime. Endpoints API pour intégration avec outils RH ou logiciels de feuilles de temps. Stockage et traitement sécurisé des captures d'écran et des logs d'activité; suivi et reporting des heures et des heures supplémentaires. Optionnel : notifications mobiles ou push web déclenchées par le service RH. Technologies & compétences requises Frontend : Angular (application web moderne) pour l'interface utilisateur et le dashboard en temps réel. Backend : Strapi (CMS headless Node.js) pour développement rapide d'API et gestion des contenus/membres. Base de données : PostgreSQL pour stockage fiable des logs, déclarations de temps et métadonnées des projets. Containerisation & Déploiement : Docker pour packaging et déploiement reproductible ; prévoir scripts de déploiement et configuration. Exigences de sécurité, confidentialité et qualité Chiffrement et accès restreint pour le stockage des captures d'écran et des journaux d'activité ; conformité aux bonnes pratiques de protection des données. Mise en place d'un mécanisme de comparaison d'images robuste mais simple (algorithmes de différence) avec seuils paramétrables. Tests unitaires et d'intégration pour les endpoints API et la logique de pointage ; validation des workflows de déclaration de projet et des notifications. Livrables attendus Application web front-end (Angular) fonctionnelle pour utilisateurs et dashboard RH. Backend Strapi configuré avec API REST/GraphQL exposant les endpoints de pointage, projets et rapports. Modèle de base de données PostgreSQL et scripts de migration/init. Conteneurs Docker et instructions de déploiement pour l'environnement de production ou de test. Documentation technique (architecture, API, configuration, procédures de déploiement) et guide d'utilisation minimal. Comment postuler Envoyer CV et lettre de motivation à hr@iovision.io en indiquant l'objet « Application PFE 09 11 10 Objectives — Time Tracking & Anti-Cheating System ». Préciser dans le message : disponibilités, durée souhaitée du PFE, compétences Angular / Strapi / PostgreSQL et expérience Docker.

4 CV Parser & Evaluation Platform PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Project overview: Build a web platform for HR to open and manage hiring sessions, collect CVs and streamline evaluation workflows. The system must parse incoming CVs, evaluate completeness, and re-generate each CV into a standardized company template for unified review. Core features to implement: Enable HR to open/manage hiring sessions, define desired positions and set evaluation criteria and required fields. Allow candidates to submit CVs directly onto the platform with support for PDF and Word formats; track and store all submissions for HR recordkeeping. CV parsing and data extraction: Parse CVs to extract structured information such as education, skills, work experience, contact details and certifications. Automatically detect missing or incomplete data fields and flag them for HR review or candidate completion. Template generation and evaluation: Automatically re-generate and display parsed CVs in a unified company template for side-by-side comparison by evaluators. Assign ratings and compatibility scores based on the declared position requirements and configurable weighting of criteria. Search, filtering and management: Provide HR with search, filter and sorting capabilities (by score, skills, experience, submission date, etc.) to manage incoming applications efficiently. Maintain an audit trail and basic analytics of submissions per hiring session for reporting and recordkeeping. Technical expectations & deliverables: Implement a backend service for document parsing (NLP/resume parsing), a templating engine for CV regeneration, and a responsive web UI for HR use. Deliver source code, deployment instructions, a test dataset, and documentation describing parsing accuracy, scoring logic and how to configure hiring sessions. How to apply: To apply for this specific project, send your application and CV to hr@iovision.io and use the subject line specified below. Include a brief cover note describing relevant experience in CV parsing, NLP, web development and any previous projects or demos.

3 Remote Work Supervisor App PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Project overview Build a comprehensive Remote Work Supervisor application to monitor, support and analyze remote employee activity while respecting privacy requirements. The application aims to provide transparency and actionable insights into daily productivity for teams and HR without being intrusive. Core features to implement Track employee activity throughout the workday, distinguishing between active work and break time using interaction metrics (e.g., mouse/keyboard activity) and inactivity thresholds. Automate detection of idle periods and record idle events; implement configurable inactivity thresholds and false-positive reduction strategies. Periodically capture screenshots every 10 minutes to validate active work and deter superficial activity; provide options for configurable capture intervals and masking sensitive areas. Pointage (clock-in/out) system to start work, declare leaving, and set breaks with reasons (e.g., lunch); allow manual corrections and supervisor approvals. Overtime declaration, including the ability to declare overtime during breaks. Allow team members to declare which projects they are working on and record hours spent per project with editing and approval workflows. HR dashboard & admin functionality Provide an HR dashboard with real-time employee statistics (online status, active time, idle time, project allocation, overtime summaries). Implement alerting/notification functionalities (e.g., unusual inactivity, missed clock-ins, overtime thresholds) and role-based access control for managers and HR. Tools to manage projects, assign team members, approve time entries and export reports (CSV/PDF) for payroll and performance analysis. Audit logs for all changes and access, with configurable data retention policies to support compliance. Privacy, compliance and UX considerations Ensure all data privacy standards are respected where required: consent flows, data minimization, encryption at rest and in transit, and clear user-visible policies. Provide user controls for privacy (e.g., pause monitoring, request data deletion) and transparent explanations of what is collected and why. Design the UX to minimize perceived intrusiveness: clear indicators when screenshots are taken, opt-in workflows, and ways to redact or blur sensitive content. Technical requirements & suggested architecture Multi-component system: lightweight desktop/agent client (Windows/macOS/Linux) for activity detection and screenshots, REST/GraphQL backend API, and a web-based HR dashboard. Use real-time technologies (WebSocket/Push) for live status updates, robust queueing for screenshot uploads, secure storage, and role-based authentication (OAuth2 / JWT). Ensure scalability, secure file storage for screenshots, efficient indexing for time-series metrics and exportable reporting. Deliverables & evaluation criteria Working prototype (agent + backend + dashboard) demonstrating all core features and integration. Technical documentation: architecture diagram, setup/deployment instructions, data retention/privacy policy, and API documentation. Test plan with automated tests for key flows, and a short demo script showing typical HR and employee workflows. Evaluation will consider functionality completeness, privacy safeguards, UX clarity, code quality and documentation. How to apply To apply for this specific project send your CV, a brief cover letter and links to relevant projects to hr@iovision.io. Email contact (plain): hr@iovision.io

07 06 08 Project 2: AI-Enhanced Competitive Intelligence Dashboard for E-Commerce Market Analysis and Strategy Recommendation PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Project Overview Développer une plateforme d'analyse concurrentielle alimentée par IA pour le secteur e‑commerce capable de collecter, analyser et comparer les données produit de plusieurs retailers en ligne. Le système doit permettre le scraping continu des prix et des informations produit, le suivi de l'évolution des prix dans le temps et l'extraction d'indicateurs clés (KPIs) liés à la stratégie tarifaire, aux tendances de stock et aux dynamiques promotionnelles. Objectifs & Fonctionnalités principales Implémenter un tableau de bord interactif combinant analytics, visualisation et intelligence stratégique pilotée par IA pour le monitoring du marché. Intégrer un moteur de recommandation (Recommendation Engine) basé sur des modèles de machine learning pour fournir des recommandations d'actions commerciales (ajustements de prix, timing promotionnel, priorités de réapprovisionnement). Ajouter des capacités de résumé en langage naturel via un LLM pour générer des rapports exécutifs automatiques hebdomadaires résumant les mouvements du marché et proposant des actions stratégiques. Portée technique & Tâches principales Mettre en place des pipelines de collecte de données (scraping, APIs) robustes et résilients pour capturer prix, disponibilité, promotions et métadonnées produit. Concevoir ETL, stockage (bases temporelles pour séries de prix), et indexation pour analyses historiques et détection de tendances. Développer et entraîner des modèles ML pour l'identification d'opportunités, la prévision de tendances de prix et l'évaluation d'impact des promotions. Intégrer un module de génération de rapports avec un LLM pour produire résumés et recommandations actionnables. Concevoir et implémenter le front-end du dashboard (visualisations interactives, filtres, comparaisons cross-retailer) et APIs pour servir analyses et recommandations. Technologies & Compétences techniques recommandées Outils possibles : Python (Scrapy, BeautifulSoup, Selenium), frameworks ML (scikit-learn, PyTorch, TensorFlow), bibliothèques NLP/LLM (Hugging Face, LangChain), infra (PostgreSQL, time-series DB, Redis), déploiement (Docker, FastAPI, Streamlit/Dash/Plotly). Compétences attendues : ingénierie des données, modélisation ML, pipeline ETL, visualisation de données interactives, intégration et évaluation d'LLM pour summarization. Livrables attendus Un tableau de bord interactif et déployable combinant visualisations, indicateurs KPIs et module de recommandations IA. Pipelines de collecte et stockage des données avec documentation et scripts reproductibles. Modèles de machine learning entraînés et évalués (rapport de performance) et module de génération automatique de rapports hebdomadaires. Documentation technique et guide d'exploitation (installation, configuration, endpoints API). Profil recherché Étudiant(e) en data science / machine learning / ingénierie logicielle avec appétence pour le e‑commerce et la data produit. Capacité à travailler sur bout en bout : collecte des données, feature engineering, modélisation, déploiement et visualisation. Autonomie, rigueur expérimentale, sens produit et capacité à transformer insights en recommandations actionnables. Modalités de candidature Pour postuler, envoyez votre candidature à l'adresse suivante : hr@iovision.io. Indiquez en objet du mail le titre du projet et votre niveau d'études, et joignez CV + lettre de motivation / portfolio de projets pertinents.

05 04 04 Project 1: Development of a Secure Local Large Language Model (LLM) for Confidential Data Processing PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Project Overview Design and implement a local Large Language Model (LLM) capable of processing confidential and sensitive data securely within a private infrastructure. Adapt and fine-tune open-source LLMs (examples cited: GPT, BERT, LLaMA) on domain-specific custom datasets to ensure high performance while preserving data privacy. Deliver a fully functional local AI assistant optimized for enterprise use cases requiring private, high-accuracy natural language understanding. Technical Components & Approach Integrate modern AI agent architectures and apply Retrieval-Augmented Generation (RAG) techniques to improve contextual understanding and response accuracy. Implement vector database integration (e.g., FAISS/Milvus-style approaches) for efficient knowledge retrieval, enabling dynamic interaction with structured and unstructured data sources. Focus on on-premise/private deployment concerns: secure data handling, encryption at rest/in transit, access controls, model quantization or optimization for efficient inference. Tasks & Deliverables Prepare and preprocess domain-specific datasets, design fine-tuning pipelines, and run experiments to benchmark accuracy, latency, and privacy trade-offs. Produce an end-to-end solution: trained/fine-tuned model artifacts, retrieval pipeline, vector DB integration, containerized deployment (Docker/Kubernetes), and a demoable local AI assistant. Provide documentation: setup and deployment guide, evaluation reports (metrics, tests), reproducible training/inference scripts, and a user guide for enterprise integration. Evaluation & Success Criteria Quantitative evaluation on domain tasks (accuracy, F1, ROUGE/BLEU where applicable) and qualitative assessment of response relevance and contextual handling via RAG. Performance targets for latency and resource usage for local inference; validation of privacy requirements (no exfiltration of sensitive training data during inference). Demonstrable prototype deployed on private infrastructure with test cases showing secure handling of confidential inputs. Candidate Profile & Required Skills Strong experience with NLP and transformer models (Hugging Face Transformers, PyTorch/TF) and hands-on fine-tuning of open-source LLMs. Experience with retrieval systems and vector databases (FAISS, Milvus, or similar), building RAG pipelines, and knowledge of secure deployment practices. Software engineering skills: Python, Docker, Linux, CI/CD basics; familiarity with privacy-preserving ML techniques (differential privacy, federated learning) is a plus. How to Apply To apply, send your CV, cover letter, and relevant code or project examples to hr@iovision.io. Use the email subject: "Application — 05 04 04 Project 1: Secure Local LLM for Confidential Data Processing" and include a brief summary of related experience and proposed technical approach.

07 09 08 Objectives PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Overview This internship aims to build a complete data pipeline and analytics platform to monitor e-commerce competitors, extract product information and provide actionable insights for management. The project combines web scraping, hybrid database architecture (PostgreSQL, MongoDB, DuckDB), interactive dashboards, forecasting models and LLM-generated summaries for tactical recommendations. Objectives Automate data scraping and product information extraction from multiple e-commerce sources to obtain structured product, price and availability data. Build a hybrid database architecture (PostgreSQL, MongoDB, DuckDB, …) to support real-time analytics, historical storage and fast analytical queries. Design and implement an interactive dashboard for competitive analysis and KPI visualization to support decision-making. Integrate predictive models to forecast price trends and market changes and provide forward-looking KPIs. Generate AI-written summaries and insights using an LLM for management reporting and recommend strategic actions. Required skills & technologies Strong programming skills in Python and experience with web automation libraries (BeautifulSoup, Scrapy, Selenium) for resilient scraping pipelines. Proficiency in data analysis and visualization (Pandas, Plotly, Streamlit, Dash) to build dashboards and perform exploratory analysis. Knowledge of machine learning for forecasting and recommendation systems (LSTM, scikit-learn) to model price trends and product demand. Familiarity with LLMs and text summarization techniques (GPT, BERT, RAG, LangChain) to produce concise management reports and insights. Experience with PostgreSQL, MongoDB and DuckDB for hybrid data management and real-time analytics; design schemas and ETL processes. Deliverables & tasks Implement robust, scalable scrapers and data ingestion pipelines that handle changes in source websites, rate limits and data quality issues. Design the hybrid database schema, implement data storage strategies (transactional vs analytical), and enable efficient joins/queries across stores. Develop an interactive dashboard (Streamlit/Dash/Plotly) showing competitive KPIs, price evolution, product comparisons and alerts. Train and validate forecasting models (e.g., LSTM, classical ML) for price/demand prediction and integrate them into the analytics pipeline. Implement an LLM-based summarization and insight-generation module (RAG/LangChain pipeline) to produce periodic reports and recommend actions to management. How to apply To apply, send your CV and a brief motivation email to hr@iovision.io indicating relevant projects or examples of scraping/ML work. Use the email subject: "Application for 07 09 08 Objectives PFE" so your application is routed to the correct project contact.

05 07 06 Objectives PFE

IOVISION •

Hybride3-6 moisExpire dans 13 jours

Objectives Deploy and benchmark open-source LLMs locally to evaluate performance, latency, and resource usage. Fine-tune models on custom and confidential datasets while preserving data privacy and confidentiality. Integrate Retrieval-Augmented Generation (RAG) to improve context-based reasoning and answer accuracy. Build an intelligent AI agent capable of secure query handling and autonomous task execution. Ensure a privacy-preserving, offline-capable architecture suitable for sensitive environments. Required Skills Deep understanding of Large Language Models (LLMs) such as GPT, BERT, LLaMA and their architectures. Experience in fine-tuning, deploying, and optimizing AI models for inference and resource constraints. Strong programming skills in Python and proficiency with the Transformers library and PyTorch. Familiarity with RAG pipelines, vector databases, and database management systems such as PostgreSQL. Knowledge of AI agents, autonomous system design, and secure query handling practices. Curiosity, adaptability, and commitment to stay up to date with the latest AI advancements. Tasks & Deliverables Set up local deployment pipelines for multiple open-source LLMs; run systematic benchmarks (throughput, latency, memory, and accuracy). Design and execute fine-tuning experiments on custom/confidential datasets with attention to data protection and reproducibility. Implement RAG workflows: document ingestion, vectorization, retrieval, and integration with language models; evaluate impact on reasoning. Build and validate an AI agent that can handle queries securely (access control, query sanitization) and operate offline when needed. Integrate and manage vector database(s) and PostgreSQL for persistent storage, retrieval performance tuning, and backup strategies. Produce reports, reproducible code, model cards, and documentation for deployment, benchmarking results, and privacy measures. Application To apply, send your CV and a brief cover note describing relevant experience (fine-tuning, RAG, deployments) to hr@iovision.io. Highlight past projects or repositories demonstrating LLM work, PyTorch/Transformers usage, or RAG/vector DB integrations. Use the email subject: "Application for 05 07 06 Objectives PFE" when contacting the recruiter.

End-of-Studies Project / Internship — Business

COGNIRA retsci •

Hybride3+ moisExpire dans 13 jours

Overview Company: COGNIRA - retsci has published a PFE Book announcing end-of-studies projects and internships for 2025/2026. Opportunity type: internships and PFE (end-of-studies) projects aimed at business students and related functions. Business Scope & Topics The post lists business as one of the departments included in the PFE Book, indicating business-related internship topics are available. Projects are positioned for candidates who want to learn, innovate, and make an impact in business areas (strategy, operations, or related functions as detailed in the PFE Book). How to Explore & Apply To view specific business internship topics and application instructions, follow: Explore our internship topics here. The provided link is the reference to access the full list of opportunities and next steps. Additional Details (from post) The announcement references both "Internship Season 2025" and "End of studies projects 2026," showing the timeline for offered PFEs. The post emphasizes diversity of opportunities across engineering, IT, and business; no further role-specific details are provided in the announcement itself.

End-of-Studies Project / Internship — IT

COGNIRA retsci •

Hybride3+ moisExpire dans 13 jours

Overview Company: COGNIRA - retsci is promoting its PFE Book and the Internship Season 2025 for students. Opportunity type: internships and end-of-studies projects (PFE) relevant to IT disciplines. IT Scope & Topics The post explicitly lists IT among the departments covered by the PFE Book; this listing corresponds to IT-focused internship topics. Projects are intended for students aiming to learn, innovate, and contribute to IT teams and initiatives. How to Explore & Apply Candidates are directed to the detailed list of internship topics via this link: Explore our internship topics here. The link is the primary resource to view available IT projects and the application process. Additional Details (from post) The announcement mentions both "Internship Season 2025" and "End of studies projects 2026," covering typical academic PFE timelines. The post emphasizes diverse opportunities across departments, including IT, without providing specific role descriptions in the announcement itself.

End-of-Studies Project / Internship — Engineering

COGNIRA retsci •

Hybride3+ moisExpire dans 13 jours

Overview Company: COGNIRA - retsci announces its PFE (end-of-studies) book and Internship Season 2025. Opportunity type: End-of-studies projects (PFE) and internships targeting students finishing in 2025/2026. Engineering Scope & Topics Departments highlighted in the announcement include engineering (this listing covers engineering-specific topics and projects). Projects are described as diverse and intended for students who want to innovate, learn, and make an impact within engineering domains. How to Explore & Apply The post directs candidates to the PFE Book with the internship topics: Explore our internship topics here. The public link above is the primary entry point to view detailed internship topics and application steps. Additional Details (from post) The announcement references both "Internship Season 2025" and "End of studies projects 2026," indicating opportunities spanning final-year internship/PFE timelines. Language and tone: the post highlights learning, innovation, and impact as key aspects of the engineering opportunities.

Stage PFE – Développement Java (Spring Boot / Angular)

Teamsyst • Tunis

Présentiel4-6 moisExpire dans 13 jours

Présentation Offre de Stage PFE en Développement Java avec Spring Boot et Angular. Destiné aux étudiant(e)s de niveau Bac+5 en Informatique ou Génie Logiciel. Compétences & Technologies Technologies attendues : Java, Spring Boot, Angular. Niveau requis : étudiant(e) Bac+5 en Informatique / Génie Logiciel. Qualités recherchées Qualités évoquées : curiosité, esprit analytique, rigueur technique. Poste orienté vers des personnes avec appétence pour le développement logiciel et la qualité technique. Modalités & Localisation Localisation : Tunis. Durée indiquée : 5–6 mois (déclaré) — classée ici en 4-6 months. Candidature Pour postuler : envoyer candidature à jobs@teamsyst.com. Email de contact : jobs@teamsyst.com

Stage PFE – Ingénieur IoT & Intelligence Artificielle appliquée à l’Agriculture

Teamsyst • Tunis

Hybride4-6 moisExpire dans 13 jours

Contexte Dans le cadre de la digitalisation du secteur agricole, participation au développement d’un système IoT intelligent. Objectif : monitorer et optimiser les paramètres environnementaux d’une ferme (température, humidité, qualité du sol, etc.). Missions principales Développer une plateforme IoT de collecte et transmission de données. Programmer des cartes Arduino ou microcontrôleurs similaires et implémenter des protocoles IoT (MQTT, LoRa, WiFi…). Concevoir une application web pour la visualisation en temps réel et développer des modèles d’analyse prédictive / IA. Profil recherché & Compétences Élève ingénieur(e) intéressé(e) par l’IoT, les systèmes embarqués et l’IA, avec bonne autonomie et goût pour l’innovation. Compétences souhaitées listées : Arduino / microcontrôleurs, capteurs IoT, développement web, Python & Machine Learning. Modalités & Démarrage Durée indiquée : 6 mois (déclaré) — début prévu début décembre 2025. Type : Stage de fin d’études (PFE). Candidature Pour postuler : envoyer candidature à jobs@teamsyst.com. Email de contact : jobs@teamsyst.com

3TOPIC DEVELOPMENT OF PROCESS MANAGEMENT TOOL PFE

habemus! Solutions •

Présentiel4-6 moisExpire dans 13 jours

Project overview Développement d'une plateforme web interne dédiée à la gestion des processus, centrée sur un outil d'Estimation des Efforts et de Facturation. Objectif principal : obtenir de hautes performances et une expérience utilisateur fluide et intuitive via une architecture optimisée et un design d'interface soigné. Extension optionnelle : implémentation de fonctionnalités pilotées par l'IA pour soutenir le recrutement et les opérations RH (automatisation intelligente, suggestions, priorisation). Technologies et compétences attendues Stack technique : Next.js, React, Node.js, PostgreSQL, Microsoft SQL Server, Prisma, Tailwind CSS. Compétences en UI/UX optimization et workflow design pour concevoir des interfaces conviviales et des parcours utilisateurs efficaces. Connaissances en optimisation des performances (front-end et back-end), intégration de bases de données et gestion de migrations. Responsabilités et tâches principales Concevoir et implémenter l'architecture front-end (Next.js + Tailwind) et back-end (Node.js + Prisma) de l'outil d'Estimation des Efforts et de Facturation. Intégrer et synchroniser les données entre PostgreSQL et Microsoft SQL Server selon les besoins du projet. Optimiser la performance de l'application (chargement, rendu, requêtes) et améliorer l'ergonomie des interfaces. Rédiger la documentation technique, tests fonctionnels et guides de déploiement. (Option) Rechercher et prototyper des modules IA pour automatiser des tâches RH/recrutement : extraction de CV, suggestions de candidats, priorisation des profils. Livrables attendus Plateforme web interne fonctionnelle offrant estimation d'effort et facturation avec interfaces front-end optimisées. Documentation technique complète (architecture, schéma BD, API, instructions de déploiement) et jeu de tests. Rapport de performance et recommandations d'amélioration. Prototype démontrant les fonctionnalités IA optionnelles (si implémentées). Modalités pratiques et candidature Lieu : Tunis (présentiel attendu), durée : 6 mois (4-6 months), stage rémunéré. Pour postuler, envoyer CV et lettre de motivation à career@habemus.com en indiquant pour l'objet : "Application 3TOPIC - DEVELOPMENT OF PROCESS MANAGEMENT TOOL PFE". Adresse mail pour candidature : career@habemus.com

4 Design and Prototyping of a Microcontroller-Based Motor Driver Board PFE

habemus! Solutions •

Présentiel4-6 moisExpire dans 13 jours

Project Overview Design and development of a PCB integrating a microcontroller-based control unit, a regulated power supply, and a DC motor driver stage. System goals: ensure stable power distribution, enable precise control of motor speed and direction, and provide input/output interfaces for monitoring and command. Location: Tunis. Duration: 6 months. Remunerated position. Scope & Objectives Full project lifecycle: schematic design, PCB layout, component selection, prototype assembly, and functional testing to validate performance and reliability. Ensure compliance with design specifications and electrical constraints for power electronics and motor control. Implement interfaces for monitoring (measurements/feedback) and command (control signals, communication with microcontroller). Tasks & Activities Design power electronics including regulated power supply and DC motor driver stage; simulate critical parts (e.g., using LTSpice) and verify thermal/electrical behaviour. Develop microcontroller firmware for motor control (speed/direction), implement control algorithms and I/O handling (Embedded-C preferred). Perform PCB layout using Altium Designer, select components, assemble prototype, and run functional and reliability tests on the assembled board. Required Skills & Tools Electronics: power electronics, analog/digital electronics, PCB design and component selection experience. Software/Tools: Altium Designer, LTSpice; firmware experience in Embedded-C is preferred. Practical skills: prototyping, soldering/assembly, measurement and debugging of motor drivers and power supplies. Deliverables & Validation Completed PCB design files (schematics and Gerbers), assembled prototype board, and documented bill of materials. Firmware source code and documentation for motor control; test reports demonstrating performance, stability, and compliance with specifications. Application To apply, send your CV and a brief cover note to career@habemus.com. Use the subject line: "Application: 4 - Design and Prototyping of a Microcontroller-Based Motor Driver Board PFE". Contact email (plain): career@habemus.com

1 Intelligent Energy Management System (EMS) for Smart Homes PFE

habemus! Solutions •

Présentiel4-6 moisExpire dans 13 jours

Overview This thesis explores the development and evaluation of AI-driven smart control strategies for residential energy systems integrating solar panels, battery storage, and the electrical grid. Focus areas include optimizing energy costs, maximizing solar self-consumption, and extending battery lifespan using advanced AI techniques. Technologies & Techniques Primary technologies: Python, TensorFlow, PyTorch, Stable-Baselines3. Core techniques: Neural Networks, Reinforcement Learning, Rule-based control, and Optimization; rule-based and optimization-based methods will be used as benchmark baselines. Objectives & Research Tasks Design and implement AI-driven control strategies (including RL-based controllers) to manage PV generation, battery charging/discharging, and grid exchange to minimize cost and maximize self-consumption. Compare proposed AI approaches against rule-based and optimization-based baselines; evaluate on metrics such as cost savings, self-consumption ratio, and battery degradation/lifetime impact. Expected Deliverables A working EMS prototype (simulation and/or real-data experiments) implementing the proposed AI strategies and baseline methods. Experimental evaluation reports, codebase (Python) using TensorFlow/PyTorch and Stable-Baselines3, and a written thesis documenting methodology, experiments, and results. Candidate Profile & Skills Good programming skills in Python and familiarity with machine learning frameworks (TensorFlow or PyTorch); experience with RL libraries (Stable-Baselines3) is a plus. Background in control systems, energy systems, or optimization is desirable; ability to work with simulation environments and time-series energy data. Logistics & Application Location: Sfax. Duration: 6 months (remunerated). To apply, send your CV and a brief motivation letter to career@habemus.com specifying the internship topic number in the email subject.

2 Evaluation of GNSS for outdoor positioning solutionS PFE

habemus! Solutions •

Présentiel4-6 moisExpire dans 13 jours

Project overview This thesis examines the development and optimization of a high-precision outdoor positioning system based on the Global Navigation Satellite System (GNSS), enhanced with Real-Time Kinematic (RTK) corrections. Enhancements to an existing architecture will include Inertial Measurement Unit (IMU) integration and algorithmic optimizations, aiming to improve positioning accuracy, system responsiveness, and overall performance, targeting an embedded platform. Required skills & technologies Embedded-C programming and development for microcontrollers (experience with STM32 is required). Signal Processing techniques for GNSS/IMU data fusion and RTK corrections. Main tasks & deliverables Integrate IMU sensors into the existing GNSS/RTK architecture and implement sensor fusion algorithms to improve robustness and short-term positioning accuracy. Optimize algorithms for real-time performance on an embedded STM32 platform, including profiling, memory/CPU optimization, and meeting deterministic timing constraints. Validate and evaluate system performance outdoors: measure positioning accuracy, convergence time, and responsiveness under realistic conditions; produce quantitative results and a final thesis report. Logistics & application Location: Sfax. Duration: 6 months (remunerated). To apply, send your CV and a short motivation letter to career@habemus.com with subject line: "Application: 2 Evaluation of GNSS for outdoor positioning solutionS PFE". Contact email (plain): career@habemus.com