Adrian ROSARI

Modules en anglais : – pour B1: Linear Algebra, Mathematics for Digital Engineering – pour M1 et M2: Mathematics for Data Science, Spark and Python for Big Data

Modules : – Pour BTS SIO 1e et 2e années : Mathématiques pour l'informatique – pour M1 et M2 (Data ou Marketing Digital) : Introduction à Python (bases et avancées), Deep Learning avec Tensorflow, Accessibilité des données, Audit et cartographie des données, Data Scraping et Wrangling – Jury de certification B3 IA, B3 Cyber+Réseaux

Modules : – pour B2 (2 groupes) : Tech for Business (connaissances sur le monde de la tech et de la data avec montée en compétences sur PowerBI)

Module M2- Data Analysis with R : Crunching data into analysis and Data Visualisation.

Module de Spécialisation: Innovation en IA

Arrivé sur un projet critique en difficulté — le projet Bases Réconciliées (agrégation de données risque, comptables et locales) souffrait d'une absence totale de documentation, d'un manque de sachant stable et d'une instabilité fonctionnelle menaçant la continuité des reportings métier. Mission prise en charge sur un périmètre de plus de 130 sources de données : – Reprise et stabilisation complète du projet: analyse des dysfonctionnements, remise en état de l'environnement de travail – Rédaction intégrale de la documentation manquante, couvrant l'architecture, les flux et les processus – Optimisation des performances du flow via précision des index, collecte de statistiques et suppression des recettes obsolètes – Conception et développement de nouvelles fonctionnalités en conformité avec les exigences CRR3 # Résultats : Stabilisation d'un projet critique impliquant +130 sources de données ; documentation intégralement reconstituée from scratch ; conformité CRR3 assurée dans les délais. English version : Joined a critical project in distress — the Réconciled Bases project (aggregating risk, accounting and local data sources) was plagued by a total lack of documentation, no stable knowledge owner, and functional instability threatening business reporting continuity. Scope covered 130+ data sources : – Full project takeover and stabilization: root cause analysis, environment remediation – End-to-end documentation rebuilt from scratch: architecture, data flows and processes – Flow performance optimization through index tuning, statistics collection and removal of obsolete recipes – Design and development of new features ensuring **CRR3 regulatory compliance** # Results: Stabilized a critical pipeline handling 130+ data sources; complete documentation rebuilt from scratch; CRR3 compliance delivered on time.

Dans un contexte de migration de plateforme de données (passage d'IRIS Platform vers Oracle EPM), l'enjeu central était d'assurer la continuité business des reportings de plusieurs directions (marché, reporting, régions commerciales) sans perte de données ni rupture des indicateurs de pilotage. Périmètre couvert : 60 rapports déclinés sur plusieurs régions, avec plusieurs dizaines de KPI par rapport : – Cadrage du besoin et compréhension du périmètre fonctionnel par direction – Mapping technique des sources de données et re-connexion (Extension Excel Microsoft → Extension Excel Oracle) – Reproduction fidèle des rapports et validation des chiffres – Analyse autonome des écarts, restitution et proposition de solutions – Création des use cases restants pour alimenter la backlog # Résultats: Migration de 60 rapports multi-régions livrée dans les délais ; continuité business assurée sans interruption des reportings. English version : In the context of a data platform migration (IRIS Platform to Oracle EPM), the core challenge was ensuring business continuity for reporting across multiple business units (market, reporting, commercial regions) with zero data loss and no KPI disruption. Scope: 60 reports across multiple regions, each covering dozens of KPIs: – Requirements scoping and functional understanding per business unit – Technical data source mapping and reconnection (Microsoft Excel Add-in → Oracle Excel Add-in) – Faithful report reproduction and figure validation – Autonomous gap analysis, findings restitution and solution proposals – Use case creation for remaining items to feed the backlog # Results: Migrated 60 multi-region reports delivered on time; business continuity maintained with no reporting disruption.

Au sein de l'équipe CFR (Convergence Finance Risque) de la Direction Opérationnelle des Projets, prise en charge de 3 projets complémentaires dans un contexte de renforcement de la fiabilité des données réglementaires et financières. Projet GENESS — Conception et développement d'un outil de génération automatique de jeux d'essai : – Remplacement d'un processus 100% manuel par un outil automatisé – Environ 1 200 jeux d'essai générés dans le cadre de la campagne CRR4 – Gain de temps estimé à 80% ; gain surtout qualitatif : couverture exhaustive de tous les cas d'usage, rigueur et reproductibilité – Conception et mise en pratique d'un RACI de processus de test Labellisation Comptable - Rapprochement end-to-end entre les données réglementaires (ZdP) et les données présentées aux régulateurs : – Approche end-to-end couvrant l'ensemble du circuit de la donnée – Rapprochement de moins d'une centaine de montants globaux agrégés Chantier CORRECT — Audit de contrôles historiques en dysfonctionnement via création de jeux d'essai ciblés. # Résultats: 1 200 jeux d'essai automatisés livrés (-80% de temps); couverture complète CRR4 assurée ; rapprochement comptable réglementaire établi de bout en bout avec application de monitoring et système d'alertes.

On-site mission within the Shared Measurement Data Bank (BDPM) division at Enedis (Courbevoie, France), in the context of data quality supervision for the mass market (smart meters — Linky), covering tens of millions of measurement reference points (PRM). Activities across 5 measurement data streams: – Monitoring and correction of contractual, measurement and metering data streams (consumption & production) – Detection and resolution of data anomalies across streams – Implementation of continuous data quality improvement processes # Results: Supervised 5 data streams covering tens of millions of Linky meter PRMs; detected and resolved ~15 critical incidents and anomalies.

Improvement of forecast models and the associated application, thanks to Machine Learning. Creation and training of RNN (Recurrent Neural Network) as a forecast model. Automation of the search of parameters and hyperparameters, thanks to cross-validation. Amélioration des modèles de prédiction et du module associé, grâce aux techniques de Machine Learning. Création et entraînement d'un RNN (Recurrent Neural Network) en tant que modèle de prédiction. Automatisation de la recherche d'hyperparamètres, grâce à la validation croisée.

Extraction of data from servers, thanks to MongoDB and MySQL. Creation and training of CNN (Convolutional Neural Network) to identify industrial equipments with image recognition. Creation of a classifier using NLP and the created CNN, to classify industrial equipments coming from a reference catalog. Creation of statistical data reports on the GMAO application's database. Extraction de données des serveurs par le biais de MongoDB et de MySQL. Création et entraînement de CNN (Convolutional Neural Network) pour de la reconnaissance d'équipements industriels à partir de leurs images. Création d'un service de NLP afin de catégoriser automatiquement des équipements industriels depuis un catalogue de référence, avec l'aide de CNN. Création de rapports de données statistiques sur la base de données de la GMAO.

Debugging of the new intranet website, concerning a repertory application used in the company. Remodeling of the new intranet, towards a more community usage. Débogage du nouveau site intranet de l'entreprise, empêchant l'usage d'une application du site. Remodelage du nouvel intranet, vers une utilisation plus communautaire.