Achraf BEN SALEM

Concentrer, ordonnancer les données du PMU Puis mettre à disposition ces données pour 2 usages majeurs: - DATA HUB : Redistribution de ces données vers d’autres applications du SI PMU - ANALYTIQUE : Analyses type BI, Data Science, Exploration, etc. Environnements techniques : Cloudera Hadoop, AWS(S3, Athena, lambda, terraform), spark scala, impala, Hive, YARN, HDFS, jenkins, foreman, Nexus, ITSM, control-M, airflow

AI LAB FS Responsabilité : Data Scientist (1) Mood recogniser : détection de visages et reconnaissance des émotions Projet : détection et extraction des points de repère faciaux à l'aide des deux packages de Python dlib et OpenCV afin de localiser le visage dans l’image et de reconnaitre les émotions. (2) DeepEye : Une solution pour la lecture des documents non-structurés Projet : extraction de texte à partir d'une image en appliquant le Deep Learning pour localiser les régions de texte afin de récupérer les informations pertinentes telles que nom, prénom, date de naissance… (3) CVmatching : Mise en production d’une solution NLP et web scapping pour le matching de profils avec les appels d’offre entrant – Python, Selenium, Sckit-learn. Environnement technique: Python (dlib et OpenCV), Pandas, Selenium (pour le Web Scraping), Python - Scikit-learn (pour le Matching et Scoring)

Refonte de l’algorithme de compensation automobile de Total ANAC intégré sur Oracle dans le S.I. • Passage de PL/SQL dans l’environnement actuel Oracle vers une solution en Pyspark dans le nouvel environnement AZURE de Total ANAC. • Développement d'algorithmes sur Databricks. • Nettoyage, transformation et intégration des données dans Azure Storage. • Conception de la structure des algorithmes de « Compensation et Diagnosis » • Recettage des données avec Databricks. • Tests unitaires, contrôle de la data quality des résultats finaux et gestion des anomalies.

Les différentes briques du socle digital LCL (signature électronique, gestion des éditions, dématérialisation des processus, workflow sans frontières, modélisation des processus) sont régulièrement soumises à des incidents de production, impactant les clients. Dans le cadre de la fiabilisation du socle digital LCL, je réalise donc un projet sur la mise en place d’un outil permettant : - d’identifier la cause précise d’un incident afin de traiter le problème à la source. - de détecter de façon préventive un comportement suspect (incident) afin d’engager les actions nécessaires dans le but de l’éviter. Cet outil s’appuiera dans un premier temps sur le traitement d’un ensemble de logs produits sur une période de quelques semaines par diverses applications en environnement de production

J'ai intégré le Département Technique Produits Prévoyance, les missions qui me sont confiées dans le cadre du Suivi de la table d'expérience de maintien en incapacité sont les suivantes : - Traitement des données sous SAS: vérification de la qualité des données, renseignement des données manquantes, application de filtre temporel, produit et type de garantie - Analyse descriptive : répartition des sinistres par cause, par produit, par garantie, par tranche d'âge, par sexe et par type de surprime - Vérification de la suffisance et de la stabilité des tables de maintien en incapacité selon des tests à horizon d'un an et de trois ans Ce travail est certifié par l'actuaire assicié Frédéric PLANCHET.

Méthode d'approhe de calcul de fonds propres dans le cadre de Solvabilté 2 : - Fonds propres et contrôle de gestion - Construction et utilisation de générateur de scénarios économiques dans le contexte de solvabilité 2 - Calcul du SCR par la formule standard et étude du bilan