Amar SEBAA

Au sein de l'équipe Big Data de la direction numérique de France télévision, j’ai travaillé en tant que Data Engineer sur GCP à côté de 3 autres collègues du même profil et un Product Owner. Dans le cadre de la mise en place et la maintenance d’un lakehouse, mes tâches tournent autour de l’ingestion, le nettoyage, la transformation et la mise à disposition des données du Lakehouse de France TV. Rôle : - Création de pipelines de données en batch pour acheminer les données sources (via APIs, dépôts s3, topics dataflow) )vers la zone Raw du Lakehouse France TV via Pyspark/Dataproc. - Mise en place de jobs de nettoyages et de transformations depuis la zone RAw vers la zone Clean via Pyspark/Dataproc - Monitoring des traitements et contrôle de la qualité de la donnée via Looker Studio - Gestion des droits d'accès IAM sur Terraform - Mise à disposition de la donnée sur Bigquery/Big Lake - Mise en conformité RGPD (processus de droit à l’oubli) - Participer à la mise en place de l’architecture Data Mesh. - Assurer le bon fonctionnement quotidien des jobs et orchestration via Airflow Composer Environnement technique : Python, Pyspark, Dataproc, Airflow Composer, Cloud Function, Cloud Dataflow, Cloud Storage, Delta Table, BigQuery, BigLake, , Cloud Build, Terraform, Gitlab CI, Docker,

Au sein de l'équipe en charge du datalake du groupe m6, j’ai travaillé en tant que aws data engineer à côté d’un Responsable / 2 DevOps / 1 Data Engineer (confirmé) / 1 Data Scientist / 1 PO / 1 archi MLOps Rôle : - Participer à l’ingestion de l’ensemble des données publicitaires du groupe 6 depuis leurs partenaires vers le datalake aws. - Réaliser des jobs aws glue avec pyspark/ python lambda/ EMR pour ingestion depuis plusieurs types de sources : s3, airship, sftp… - mise en place de bonnes pratiques data mech. - assurer le bon fonctionnement quotidien des jobs et orchestration via airflow Environnement technique : 100% AWS (Glue, EMR, Lambda, etc..) / Python / Spark (Pyspark) / PyLink / Terraform (Infra as a Code) / Airflow / Git / GitLab CI

Au sein de l'équipe GEM IS qui est chargée de développer des outils internes à GEM, dans une équipe de 10 personnes composée de Développeurs back/frond end et Ingénieurs Data, je suis chargé de mener à bien un besoin clé du groupe autour du sujet Zéro Carbon. Affecté à l'équipe métier, j'ai travaillé en mode Scrum en collaboration avec un autre Data ingénieur et un PO pour réaliser les taches et mener à bien le projet à terme. Rôle et Tâches : - Créer des fonctions AWS Lambda et pour consommer des APIs provenant de l'extérieur ( données Gas/Power ) et alimenter nos buckets S3 dédiés. - Développer des jobs AWS Batch pour alimenter nos buckets S3 avec des données pré-calculées de l'intensité Carbon du Groupe et de ses clients. - Mettre en place des dashboards sur Quicksight pour visualiser les résultats. - Développer une API Flask et exposer les calculs via Swagger. - Exploration des données via AWS Athena. - Mise en place de Jupyter Notebooks pour exposer et valider nos premiers résultats de calculs aux métiers. - Scheduler des jobs via CloudWatch et StepFunctions. - Archiver l'ensemble du code dans Git et mettre en place un déploiement automatique via Azure Devops. - Mise en place de WebApps sur Azure pour héberger nos API Flask. - Collaborer avec nos clients pour présenter nos calculs et les accompagner. Environnement technique : Spark, Python, Jupyter/ Pytest, Flask, Swagger, AWS Lambda/ Athena/ CloudWatch/ QuickSight/ Batch / S3/ Partionning/ Bucketing, Azure Devops/ Functions/ AppService/ Web Apps.

Au sein de la Direction des Produits et Plateformes de Services et le département IVS qui est en charge de la qualité des services, dans une équipe de 6, je suis en charge de mettre en place des pipelines de données afin de contrôler, mesurer et piloter la qualité des Set Top Box, des Gateway via des plateformes de Services et des applications mobiles/fixes utilisés chaque jour par plusieurs millions de clients. Rôle : - Créer des Jobs Spark Scala/Python qui interagissent avec Hive afin de créer des rapports journaliers sur l'alimentation des tables utilisées. - Créer des jobs Spark pour automatiser la création de tables agrégés dédiés a la visualisation d’indicateurs. - Mise en place de l’outil Dataviz Superset afin de visualiser les indicateurs. - automatiser les pipelines des jobs Spark sur Airflow. Environnement technique : Spark Scala/Python, Zeppelin, Hadoop, Jupyter, Hive, Airflow, PosgresSql.

Au sein d'une équipe de 7 personnes, je suis en charge de faire la totale migration d'un système complexe consistant a calculer le revenu total de l'entreprise, d'un cluster Legacy vers un autre basé sur Hortonworks, avec Spark comme techno principale. Actions : - Etudier le comportement des anciens jobs en Pig. - Traduire les Jobs Pig en Spark Scala. - Intégrer et suivre les jobs Spark sur Airflow Résultats : - Créer un Job Spark pour analyser et reporter la disponibilité des tables SQL dans le nouveau cluster. - Créer et optimiser les Jobs Spark traduits depuis Pig. - Contribuer a l'automatisation du flow avec l'outil Airflow Environnement technique : Spark Scala, Pig, Hadoop, Hbase, Hive, Phoenix, Airflow, Linux

Au sein d'une équipe de 8 personnes , Data ingénieurs, Scientists et responsables de validation travaillant en mode Scrum avec un sprint de 2 semaines, je suis en charge de mener a bien les Dev d'un produit d'une grande importance au sein de Bleckwen. Actions : - Participer aux discussions pour la conception et l'évolution du tableau de bord du produit. - Développer les taches du sprint. - Participer aux discussions pour valider les merges requests. - Etudier, proposer et mettre en place des nouvelles solutions (ex : Superset pour la partie Viz) Résultats: - Développer et améliorer des jobs conçus en Spark Scala. - Participer a la mise en place de Docker dans tout les sous projets. - Mettre en place Superset et PostgresSQL comme outils de Visualisation. - Mise en place de H2O pour la partie Machine learning. - Améliorer le monitoring avec la stack ELK. - Contribuer a l'automatisation des déploiements avec Ansible. Environnement technique : Spark Scala Hadoop Kafka Flume ELK Filebeat / MetricBeat Ansible

■ Analyse Prédictive (détection du churn) ■ Customized pricing via un modèle de régression. ■ Data Viz des données chiffres d’affaires via Tableau et D3 Js ■ Création de modèles via Spark & Zepplein, hive et MLLIb Mot clés : Python, R, D3js, sunburst, treemap, Tableau, Arbre de décision, ACP, Statistiques.

SECAFI expert of CE, CHSCT organizations. ■ Select and choose the perfect Web Scraping tools for the purpose of diagnostics tasks ( Scrapy , Selenium, Casper Js, Phantom Js ) ■ Test in real time the capability of the selected tools. ■ Descriptive, exploratory and predictive analysis of data retrieved from from Web Scrapping. ■ Scrap data for the account of big airline companies and realize a comparative study. next coming soon... Tool box : ■ Web Scraping : Python : Scrapy + Selenium | Javascript : Casper Js + Phantom Js ■ Data Cleaning : / Python / R Studio ■ Text Mining : Python ntlk / R. ■ Data Visualization : ELK / D3.js / R plot packages. ■ Data Mining / Machine Learning : R (Caret package) / Python : numpy + pandas + scikit-learn

■ Development of a Web based Editor dedicated to graphical creation of USSD Menus / used by big operators (MTN...) ■ Interface development: Bootstrap / JsPlumb / Angular Js / Require Js / jQuery. ■ Integration with an existing Grails web App.

Creating a platform of job advertisments for Digital HR recruitment agency. Tools : PHP (Codeigniter), HTML/CSS (Bootstrap)