
Mario Magdy
Mario Magdy
Je suis un freelance Upwork Top Rated (100 % de réussite professionnelle, 1 400+ heures de travail), où j’ai fourni des systèmes d’IA et de données pour des clients américains dans les domaines de l’immobilier, de la finance et de l’analytique. Mon travail couvre l’analyse de documents pilotée par LLM, les pipelines automatisés d’enrichissement de données, ainsi que les systèmes backend construits avec Python, FastAPI et Flask.
Chez GenLift, je conçois et distribue des flux de travail LLM de bout en bout qui convertissent des requêtes de basketball en langage naturel en résultats analytiques structurés. J’ai construit un harnais d’évaluation LLM formel qui mesure la précision et la stabilité à travers les paraphrases, mis en place des tests de régression pour la robustesse rapide, et réduit les taux d’hallucinations grâce à des pipelines de validation structurés.
Pour les investisseurs immobiliers, j’ai conçu des systèmes d’automatisation à plusieurs étapes qui :
• Récupérer les dossiers du tribunal des successions
• Utiliser l’IA générative pour extraire des insights structurés à partir de PDF
• Effectuer la résolution d’identité et l’enrichissement des contacts
• Fournir des ensembles de données de prospects exploitables
En finance, j’ai développé des pipelines d’analyse boursière basés sur des LLM qui normalisent les communiqués de presse et génèrent des résumés d’investissement structurés avec des résultats contrôlés et des garanties de sélection de modèles.
Auparavant, j’ai cofondé DeepScope, une startup de télescopes intelligents propulsés par l’IA qui a remporté la première place au Sommet spatial égyptien pour l’innovation technique.
Mon expertise principale comprend :
• Pipelines et cadres d’évaluation LLM
• Fiabilité et tests des systèmes d’IA
• Ingénierie backend FastAPI / Flask
• Systèmes d’automatisation et d’enrichissement des données
• Ingénierie rapide avec validation mesurable
• Systèmes Python de qualité production
Je me concentre sur la création de systèmes d’IA qui ne sont pas seulement des démonstrations impressionnantes — mais aussi mesurables, testables et déployables dans des environnements réels.
Horaires de travail
- Lundi:08h00 à 18h00
- Mardi:08h00 à 18h00
- Mercredi:08h00 à 18h00
- Jeudi:08h00 à 18h00
- Vendredi:08h00 à 18h00
- Samedi:Non disponible
- Dimanche:Non disponible
exécute la requête via une couche LLM (Flask/Pandas), et renvoie des sorties et vidéos explicables
Contexte, travailler en étroite collaboration avec une équipe interfonctionnelle. Validé la migration en exécutant deux parallèles
branches (anciennes AssistJS+Flask et la nouvelle branche FastAPI) côte à côte.
• A construit un harnais d’évaluation LLM appartenant à l’équipe (v0.1 à v0.2) utilisant des questions de groupe et des votes
consensus pour approximer la vérité sur le terrain lorsque des étiquettes manquaient, et a formalisé deux métriques (Précision
et Stabilité entre paraphrases) pour guider la sélection des modèles. Réduction des hallucinations de 65 %.
• Mise en œuvre de tests de régression de robustesse prompt en générant des groupes de paraphrases par intention et
Faire respecter cette formulation différente conduit à la même intention et à la même logique de récupération/requête.
• Tests de résistance à grande échelle avec un flux Griller qui génère 9 variations de reformulation par requête, les exécutent
parallèle, et stocke les sorties brutes et filtrées pour révision, atteignant ainsi une couverture paraphrasée de 10 fois plus et une persistance
Données d’évaluation pour le suivi de l’assurance qualité et de la régression.
À travers les villes, comtés et métropoles, il faut prioriser la région cible initiale avant la génération de prospects.
• Conception d’un flux de travail d’enrichissement à deux sources pour convertir les dossiers publics en prospects exploitables en combinant
la découverte de dossiers judiciaires et de succession avec la résolution d’identité FastPeopleSearch (noms, adresses, familles),
Produisant un enregistrement consolidé de plomb par cas. Résultat : un pipeline auditable allant des dossiers judiciaires à
les gens recherchent un lead fusionné, prêts pour l’exportation CSV et Excel ; Volume traité et taux de correspondance
Amélioration :
• Importer des leads structurés dans Zoho CRM afin que l’équipe commerciale et de sensibilisation puisse opérer depuis un seul
pipeline.
• Mise en place d’un processus opérationnel dans Zoho CRM pour intégrer en continu de nouveaux prospects, suivre les statuts, et
Maintenir des données propres pour la segmentation, la sensibilisation et l’analyse continue.
- 🇬🇧 Anglais
- 🇲🇦 Arabe




