André EHOUMAN

Développement d'un portail Web autour de la solution Illumio. Illumio est un moteur de cybersécurité qui permet d'assurer la sécurité de milliers de serveurs informatiques en appliquant des politiques de sécurité d'ouverture ou fermeture de flux firewall. ■ Architecture du portail web en micro-services avec un front end développé en VueJS et un backend développé en Django et Django Rest Framework et une base de données PostGreSQL ■ Gestion du code source avec Git/GitHub, livraison de livrables versionnés ■ Ecriture de pipeline d'intégration continue/déploiement continue des nouvelles fonctionnalités dans Jenkins afin d'automatiser les trois étapes suivantes : • Test unitaire : Création de tests unitaires avec Pytest • Conteneurisation des microservices via Docker • Déploiement des microservices conteneurisées dans un cluster Kubernetes hébergé dans le cloud privé de la Société Générale. ■ Migration de notre CI/CD de Jenkins vers Github Actions ■ Migration de notre Artifactory vers Jfrog pour la gestion des dépendances de nos applications ■ Migration de notre registry docker vers une nouvelle registry docker afin de garantir la fiabilité de nos images docker grâce à sa fonctionnalité de détection automatique de vulnérabilités ■ Développement d'une API en Django dans le but d'automatiser l'onboarding d'un nouveau serveur dans le moteur de Cybersécurité Illumio • Sécurisation des différents endpoints avec authentification OAuth2

■ Création de pipelines Airflow de traitement et constructions de scores d'appétence exploitant les librairies Scikit-learn, Pandas, Numpy ■ Développement d' APIs REST avec Flask pour exploiter les pipelines Airflow ■ Migration des APIs REST de Flask vers FastAPI ■ Création de tests unitaires avec Pytest ■ Mise en place de tests E2E pour les tests fonctionnels ■ Intégration continue des nouvelles fonctionnalités dans l'application à l'aide de Git, GitFlow ■ Dockerisation des applications et déploiement dans un cluster Kubernetes dans le cloud GCP. ■ Utilisation de Helm pour la configuration des déploiements par environnement (prod/dev) ■ Création de pipeline CI/CD dans Gitlab afin d'automatiser le build, les tests et le déploiement

Au sein de l'équipe R et Data science , mes missions étaient : ■ Développement de modules de machine learning avec la librairie Scikit-learn de Python ■ Manipulation de données avec les librairies Pandas, Numpy et Scipy de Python ■ Utilisation de Git pour le versionning de nos applications

Au sein de l'équipe R et D Data Science, ma mission était de mettre en place une solution de classification de documents pour l'analyse de commentaires client sur une marque. La stack technique était la suivante ■ Utilisation de Python pour le découpage de chaque document en mots (bag of words) ■ Utilisation des librairies NLTK ou Scikit-learn de Python pour la suppression des mots inutiles (stop words) ■ Utilisation de la librairie TreeTagger de Python pour la lemmatisation des mots ■ Utilisation de la libraire Gensim de Python pour la vectorisation des documents (word embedding) ■ Utilisation de la libraire Scikit-learn de Python pour la vectorisation des documents (pondération TF- IDF) ■ Utilisation de la libraire Pandas de Python pour la manipulation des données ■ Utilisation de la libraire Scikit-learn de python pour la mise en place de modèles de Machine Learning (Random Forest, Decison Tree, LDA, Gradient Boosting)