Ayoub Elkhader

Ayoub Elkhader

AI & Data Science EngineerIngénieur en IA et science des données

I build AI for engineering — large language models, computer vision and predictive maintenance — and I measure before I conclude. Je conçois de l'IA pour l'ingénierie — grands modèles de langage, vision par ordinateur et maintenance prédictive — et je mesure avant de conclure.

Rimouski, QC · Open to AI and data science roles anywhere in Canada from January 2027 Rimouski (QC) · Disponible pour un poste en IA ou en science des données partout au Canada dès janvier 2027

Portrait of Ayoub Elkhader
2journal papers submitted (Elsevier, Wiley)articles soumis en revue (Elsevier, Wiley)
ECSC 2026oral presentation, Franceprésentation orale, France
8open-source repositories, all tested in CIdépôts open source, tous testés en CI
M.A.Sc. + Eng.dual degree UQAR · ENSAMdouble diplôme UQAR · ENSAM

AboutProfil

Engineering judgement, applied to AILe regard d'un ingénieur, appliqué à l'IA

I am an industrial engineer with an AI and data science option (ENSAM Meknès), completing a thesis-based Master of Applied Science in Engineering at UQAR as a dual degree. My research applies large language models to mechanical CAD: I fine-tuned an LLM to generate exploded views of real assemblies, and showed that a geometric verifier — not the language model — is what makes those views reliable.

Ingénieur en génie industriel, option IA et science des données (ENSAM Meknès), je termine une maîtrise en ingénierie avec mémoire à l'UQAR, en double diplomation. Ma recherche applique les grands modèles de langage à la CAO mécanique : j'ai entraîné un LLM à générer des vues éclatées d'assemblages réels, et montré que c'est un vérificateur géométrique — pas le modèle de langage — qui rend ces vues fiables.

I work the same way on every project: define what success means, test several options, compare them with honest protocols, and recommend the solution that actually works, even when it is the simplest one. Every result on this page comes from code you can run.

Je travaille de la même façon sur chaque projet : définir ce qu'est un succès, tester plusieurs options, les comparer avec des protocoles honnêtes, puis recommander la solution qui fonctionne vraiment, même quand c'est la plus simple. Chaque résultat de cette page vient d'un code que l'on peut exécuter.

Selected workProjets choisis

ProjectsProjets

Each project is open source, documented and tested. The numbers below are measured on held-out data and stated with their limits. Chaque projet est open source, documenté et testé. Les chiffres ci-dessous sont mesurés sur des données jamais vues à l'entraînement et présentés avec leurs limites.

Verified exploded view of an 8-part real CAD assembly
Verified exploded view of a real 8-part assembly (AutoMate dataset, CC0), rendered by my 3D studio.Vue éclatée vérifiée d'un assemblage réel de 8 pièces (jeu AutoMate, CC0), rendue par mon studio 3D.
Master's researchRecherche de maîtriseUQAR · 2024 – 2026

LLM-generated exploded views of CAD assemblies, made reliable by a geometric verifierVues éclatées d'assemblages CAO générées par LLM, rendues fiables par un vérificateur géométrique

Designers still draw exploded views by hand. I generated training data, fine-tuned an LLM to propose the views, evaluated it on real assemblies, and built the verifier that catches what the model gets wrong.

Les concepteurs dessinent encore les vues éclatées à la main. J'ai généré les données d'entraînement, entraîné un LLM à proposer les vues, évalué ce modèle sur des assemblages réels, et construit le vérificateur qui détecte ses erreurs.

  • Fine-tuned Qwen2.5-1.5B (LoRA) on 6,000 generated examples: invalid outputs 15.3% → 0%, median error 191.6 → 2.8 mm.
  • Fine-tuning de Qwen2.5-1.5B (LoRA) sur 6 000 exemples générés : sorties invalides 15,3 % → 0 %, erreur médiane 191,6 → 2,8 mm.
  • Python pipeline over 1,895 real assemblies; 3 LLM setups evaluated on 750 cases: 25–70% of well-formed outputs were physically wrong ("geometric hallucination").
  • Pipeline Python sur 1 895 assemblages réels ; 3 configurations de LLM évaluées sur 750 cas : 25 à 70 % des sorties bien formées étaient physiquement fausses (« hallucination géométrique »).
  • At equal budget, a simple baseline matched the LLM (51/51 vs 42–44; McNemar, Holm, bootstrap, 10 seeds).
  • À budget égal, une méthode simple égale le LLM (51/51 contre 42 à 44 ; McNemar, Holm, bootstrap, 10 graines).
  • Tool-calling LLM agent picks the right tool in 100% of 80 test cases, vs 32.5% for rules.
  • Agent LLM à appels d'outils : bon outil dans 100 % des 80 cas testés, contre 32,5 % pour des règles.

Python · PyTorch · LoRA · OpenCASCADE · FastAPI · three.js · NVIDIA NIM

Thermal maps of motors and a transformer with the equipment outlined
Decoded thermal maps: real °C from FLIR files (left), relative index from false-colour images. Data: Kulkarni et al.; Najafi et al. (CC BY 4.0).Cartes thermiques décodées : vrais °C des fichiers FLIR (à gauche), indice relatif des images en fausses couleurs. Données : Kulkarni et al. ; Najafi et al. (CC BY 4.0).
Computer visionVision par ordinateurReal data · 2026Données réelles · 2026

Thermal condition monitoring of electrical machinesSurveillance thermique de machines électriques

Overheating is the first sign of most electrical and mechanical faults. I built a full pipeline on 1,112 real thermal images of motors and a transformer: from raw camera files to fault diagnosis and severity.

La surchauffe est le premier signe de la plupart des défauts électriques et mécaniques. J'ai construit une chaîne complète sur 1 112 images thermiques réelles de moteurs et d'un transformateur : des fichiers bruts de la caméra jusqu'au diagnostic et à la gravité.

  • Decoded FLIR radiometric data into temperatures within 0.3 °C of the camera's own reading.
  • Décodage des données radiométriques FLIR en températures, à 0,3 °C près de la lecture de la caméra.
  • U-Net learns the experts' region of interest: IoU 0.90 vs 0.64 for thresholding (transformer).
  • Un U-Net apprend la zone d'intérêt des experts : IoU 0,90 contre 0,64 par seuillage (transformateur).
  • Severity of a short-circuit level never seen in training predicted within about 1 level (Spearman 0.88).
  • Gravité d'un niveau de court-circuit jamais vu prédite à environ 1 niveau près (Spearman 0,88).
  • Showed why published 97–100% scores mislead: each fault was filmed in one session; on an unseen load, accuracy drops to 64–75%.
  • Montré pourquoi les scores de 97 à 100 % publiés sont trompeurs : chaque défaut a été filmé en une seule séance ; sur une charge jamais vue, on tombe à 64 à 75 %.

Python · PyTorch (U-Net, CNN) · scikit-learn · scikit-image · FLIR radiometry

Vibration signals and indicators for five wheel conditions
One vehicle, five wheel conditions: wheel-hop resonance, synchronous average over one revolution, suspension resonance.Un véhicule, cinq états de roue : résonance de la roue, moyenne synchrone sur un tour, résonance de la suspension.
Signal processingTraitement du signalPredictive maintenance · 2026Maintenance prédictive · 2026

Predictive maintenance of car wheels from vibrationMaintenance prédictive des roues par analyse vibratoire

Building on my 2024 internship subject, I wrote a physics-based simulator (quarter-car model, ISO 8608 roads, 160 vehicles, 2,400 drives) and a full diagnosis chain: detect, identify, estimate, predict.

À partir de mon sujet de stage 2024, j'ai écrit un simulateur physique (modèle quart de véhicule, routes ISO 8608, 160 véhicules, 2 400 trajets) et une chaîne de diagnostic complète : détecter, identifier, estimer, prédire.

  • 5 wheel conditions recognised at 80% on vehicles never seen in training (spectrogram CNN: 68%).
  • 5 états de roue reconnus à 80 % sur des véhicules jamais vus (CNN sur spectrogrammes : 68 %).
  • Tyre pressure estimated without a pressure sensor (indirect TPMS principle): about 5 points of mean error.
  • Pression des pneus estimée sans capteur de pression (principe du TPMS indirect) : environ 5 points d'erreur moyenne.
  • Remaining useful life of a slow leak predicted with a 1.6-day median error at mid-leak.
  • Durée de vie restante d'une fuite lente prédite avec 1,6 jour d'erreur médiane à mi-parcours.

Python · NumPy/SciPy · scikit-learn · PyTorch · vehicle dynamicsdynamique du véhicule

PPE detection interface on a welding workshop image
Detection of helmet, gloves and apron on a real welding-workshop image.Détection du casque, des gants et du tablier sur une image réelle d'atelier de soudage.
Computer visionVision par ordinateurENSAM Meknès

Ergonomics 4.0: PPE detection and welder postureErgonomie 4.0 : détection des EPI et posture des soudeurs

A camera-based assistant for a welding workshop: it checks the protective equipment of one operator and computes posture indicators, to support — not replace — a human safety check.

Un assistant à base de caméra pour un atelier de soudage : il vérifie les équipements de protection d'un opérateur et calcule des indicateurs de posture, pour aider — et non remplacer — un contrôle humain.

  • YOLOv8 detector trained on 1,118 workshop images, 11 classes (helmet, gloves, apron, shoes worn or missing…).
  • Détecteur YOLOv8 entraîné sur 1 118 images d'atelier, 11 classes (casque, gants, tablier, chaussures portés ou absents…).
  • Posture indicators with MediaPipe: trunk inclination, neck, hip and knee flexion, exposure time.
  • Indicateurs de posture avec MediaPipe : inclinaison du tronc, flexion du cou, des hanches et des genoux, durée d'exposition.

Python · YOLOv8 · MediaPipe · OpenCV · Streamlit

LLMENSAM Meknès

LLMs for inventive problem solving (TRIZ)LLM pour la résolution de problèmes inventifs (TRIZ)

An assistant where an LLM (Gemini) proposes a TRIZ contradiction, the engineer validates it, and the contradiction matrix answers deterministically. The evaluation is reported honestly: the LLM matched the textbook contradiction in 1 of 10 problems, which is why the engineer stays in the loop.

Un assistant où un LLM (Gemini) propose une contradiction TRIZ, l'ingénieur la valide, puis la matrice des contradictions répond de façon déterministe. L'évaluation est présentée honnêtement : le LLM a retrouvé la contradiction de référence dans 1 problème sur 10, d'où la validation par l'ingénieur.

Computer visionVision par ordinateurENSAM Meknès

Vision-based quality controlContrôle qualité par vision artificielle

Automatic defect detection on mechanical parts and plastic bottles: acquisition, preprocessing, segmentation, feature extraction and pass/fail classification.

Détection automatique de défauts sur des pièces mécaniques et des bouteilles plastiques : acquisition, prétraitement, segmentation, extraction de caractéristiques et classification conforme / non conforme.

Python · OpenCV · scikit-learn

Research outputRecherche

Publications and talkPublications et communication

Elkhader, A., Cherif, R. (2026). A geometric verifier, not the language model, makes exploded views of real CAD assemblies interference-free.
Submitted toSoumis à Computer-Aided Design (Elsevier).
Cherif, R., Elkhader, A. (2026). LLM-Based Generation of Exploded Views for Mechanical CAD Assemblies.
Submitted toSoumis à Structural Control and Health Monitoring (Wiley), ECSC 2026 special issue.numéro spécial ECSC 2026.
Oral presentationPrésentation orale — ECSC 2026, France, August 25–27, 2026.25–27 août 2026.

CareerParcours

ExperienceExpérience

Graduate Research Student in Applied AIÉtudiant-chercheur en IA appliquée

Université du Québec à Rimouski
Aug. 2024 – present · Rimouski, QCaoût 2024 – aujourd'hui · Rimouski (QC)
  • LLM fine-tuning, evaluation on real CAD data and geometric verification (see project above).
  • Fine-tuning de LLM, évaluation sur des données CAO réelles et vérification géométrique (voir le projet ci-dessus).
  • Supervisor: Prof. Raef Cherif. Reproducible results: 37 automated checks.
  • Direction : Pr Raef Cherif. Résultats reproductibles : 37 vérifications automatiques.

Predictive Maintenance InternStagiaire en maintenance prédictive

Smart Automation Technologies
July – Aug. 2024 · Morocco (remote)juil. – août 2024 · Maroc (à distance)
  • Vibration modelling of a vehicle wheel (MATLAB) to simulate tyre faults and generate training data.
  • Modélisation vibratoire d'une roue de véhicule (MATLAB) pour simuler des défauts de pneus et générer des données d'entraînement.
  • Fault classification with machine learning (SVC); review of simulation tools (SIMULIA, MATLAB).
  • Classification des défauts par apprentissage automatique (SVC) ; veille sur les outils de simulation (SIMULIA, MATLAB).

Mechanical Design InternStagiaire en conception mécanique

SN Sametal
July – Aug. 2023 · Moroccojuil. – août 2023 · Maroc
  • Designed and sized a real steel-frame storage hangar.
  • Conception et dimensionnement d'un hangar de stockage réel en charpente métallique.

AcademicÉtudes

EducationFormation

Master of Applied Science (M.A.Sc.) in Engineering, thesis-basedMaîtrise en ingénierie, M. Sc. A. (avec mémoire)

Université du Québec à Rimouski (UQAR)
2024 – Dec. 20262024 – déc. 2026
  • Thesis by articles: generation and geometric verification of exploded views of CAD assemblies with AI.
  • Mémoire par articles : génération et vérification géométrique de vues éclatées d'assemblages CAO par IA.

State Engineering Degree, Industrial Engineering — AI & Data ScienceDiplôme d'ingénieur d'État, génie industriel — IA et science des données

ENSAM Meknès, Morocco
2020 – 2025 · dual degree with UQARdouble diplomation avec l'UQAR
  • Machine and deep learning, statistics, operations research, Six Sigma, production management.
  • Apprentissage automatique et profond, statistiques, recherche opérationnelle, Six Sigma, gestion de la production.

CertificationsCertifications

  • Supervised Machine Learning: Regression and Classification (DeepLearning.AI, Stanford)
  • What is Data Science? (IBM), 2024

ToolboxBoîte à outils

SkillsCompétences

Generative AIIA générative

LLM fine-tuning (LoRA)Tool-calling agentsAgents à appels d'outilsRAGLangChainNVIDIA NIMLLM evaluationÉvaluation de LLM

Machine learning & visionApprentissage automatique et vision

PyTorchTensorFlowscikit-learnOpenCVU-NetYOLOv8MediaPipe

Data & statisticsDonnées et statistiques

pandasNumPySQLMcNemar · bootstrapPower BITableau

EngineeringIngénierie

Predictive maintenanceMaintenance prédictiveVibration analysisAnalyse vibratoireInfrared thermographyThermographie infrarougeCAD · OpenCASCADESolidWorks · CATIALean Six Sigma · SPC

SoftwareLogiciel

PythonRMATLABC/C++/C#JavaGit · GitHub ActionspytestDockerFastAPI

Ways of workingFaçon de travailler

Problem framing & KPIsCadrage et KPIProofs of conceptPreuves de conceptHonest evaluationÉvaluation honnêteReproducible codeCode reproductibleTechnical writingRédaction technique

Get in touchMe joindre

Let's talkDiscutons

I am looking for an AI or data science role in Canada from January 2027, full-time or internship. The fastest way to reach me is by email. Je cherche un poste en IA ou en science des données au Canada dès janvier 2027, à temps plein ou en stage. Le plus rapide pour me joindre est le courriel.