ANGE KOUAME

La STIME est la filiale informatique du Groupement Les Mousquetaires (Intermarché, Bricomarché, Netto...). L'entreprise compte plus de 1 000 collaborateurs et plus de 4000 points de vente à travers l'Europe. Je suis intervenu en tant que Data Engineer dans le cadre du projet Da Vinci. Dans le cadre de ce projet, je devais contribuer à 2 objectifs : 1) Industrialiser le processus de structuration de la donnée afin que les équipes métiers puissent exploiter la données plus facilement. 2) Mettre en place des KPIs (métriques) à destination des équipes métiers et directeurs de point de vente via le logiciel PowerBI (outil de visualisation des données). Mon équipe était composée de : - 3 Product Owners - 1 Scrum Master - 3 Data Analysts - 1 QA - 2 Data Engineers. Mes responsabilités principales : - L'analyse et la traduction des besoins métiers en solutions techniques avec Databricks - La conception et le développement de pipelines data optimisés avec Data Factory (ETL Azure) - La documentation des solutions implémentées avec Confluence et Data Galaxy - Le monitoring et le support des pipelines en production avec Azure Data Factory et Azure logs analytics. - La validation des pull request des autres Data Engineer - La garantie du respect des bonnes pratiques sur Databricks et Data Factory (code propre, optimisation du temps de calcul, optimisation de l'utilisation de la mémoire) Mes résultats : - Amélioration des KPI en destination du métier. - L'équipe est montée en compétence sur Databricks --- Contexte technique : Modélisation des données, Python, PySpark, Pipelines de données, Entrepôt de données, Azure Databricks, Architecture d'entrepôt de données, Architecture de données, Azure DevOps, Développement dans le cloud, Extract, Transform, Load (ETL), Microsoft Azure, SQL, SQL Azure, Tests ETL, Traitement des données, Apache Spark

AXA France est un leader du secteur de l'assurance avec plus de 150,000 collaborateurs dans le monde. J'ai intégré la guilde Data composée d'une quarantaine d'ingénieurs spécialisés, sous la supervision d'un Engineering Manager, et j'ai été détaché spécifiquement à un projet comptable stratégique. Ma mission était de moderniser les flux de données comptables et optimiser les processus de reporting. - Collaboration étroite avec le Project Manager pour collecter et formaliser les besoins métiers du département comptabilité - Utilisation et optimisation de Carbon (outil propriétaire AXA construit sur Apache Spark) pour l'ingestion et la transformation des données comptables - Conception et implémentation de pipelines data optimisés pour le traitement des données comptables via Azure Data Factory - Développement de workflows complexes combinant Carbon, Spark et l'écosystème Azure - Optimisation des requêtes Spark pour améliorer les performances de traitement (réduction de la mémoire utilisée, parallélisation) - Documentation approfondie des solutions techniques et établissement de procédures de maintenance - Configuration du monitoring via Azure Monitor pour suivre la performance des pipelines en production Principaux résultats: - Réduction de 20% du temps de traitement des données comptables critiques - Fiabilisation du reporting comptable avec une amélioration significative de la qualité des donnée - Contribution à la standardisation des pratiques de développement Spark au sein de la guilde data Technologies: Carbon (outil propriétaire AXA), Apache Spark, PySpark, Azure Databricks, Azure Data Factory, Azure Data Lake Storage Gen2, Azure Synapse Analytics, Delta Lake, Kafka, Azure Event Hubs, Azure Key Vault, Azure DevOps, Git, Python, SQL, Spark SQL, Databricks Workflows, PowerBI, Azure Monitor, CI/CD pipelines, Apache Parquet, Avro, HDFS, Databricks Delta, Azure Active Directory

- Formation aux outils Big Data et aux bonnes pratiques pour la communauté Data de Danone (Databricks et ses interconnexions avec les comptes de stockage et les outils de visualisation) - Réalisation d'un POC Data Science pour l'équipe Finance - Implémentation d'un pipeline automatisé de bout en bout pour l'analyse des verbatims de l'équipe RH : - Ingestion des données via Informatica - Traitement et transformation des données avec Databricks en utilisant des techniques de NLP - Visualisation via Power BI - Orchestration complète avec Stonebranch - Création d'un chatbot pour optimiser le partage de la documentation technique - Automatisation des pipelines CI/CD via Databricks dbx et GitHub Actions pour faciliter le déploiement des librairies et l'industrialisation des projets

- Conception d'algorithmes de machine learning pour la détection des appels d'eau et l'estimation de la consommation d'eau - Développement d'algorithmes de fusion de données pour le NILM (Non-Intrusive Load Monitoring) - Implémentation de modèles de Markov cachés (HMM) pour l'estimation de la consommation de gaz sur un dispositif embarqué - Conception de générateurs de données pour : - Courbes de charge de chauffe-eau - Températures des canalisations destinés à alimenter nos algorithmes de deep learning pour la détection des courbes de charge individuelles

- Vectorisation d'algorithmes de simulation de produits financiers : - Développement de fonctions et modules vectorisés pour optimiser les performances des simulations financières existantes - Implémentation d'algorithmes Map-Reduce (Hadoop, Spark) pour accélérer la simulation de produits financiers - Conception d'algorithmes de non-régression pour la validation des développements

Étude sur l'apport de la fusion de données pour l'amélioration du taux de bonne classification : Phase d'analyse : - Réalisation d'une étude bibliographique approfondie sur les méthodes de classification et de fusion de données - Sélection des classifieurs les plus performants et des méthodes de fusion pertinentes Application pratique : Détection de fragments dans les bouteilles semi-opaques - Collecte et traitement des données : - Images haute résolution des bouteilles (avec et sans fragment) - Données d'imagerie par ultrasons - Mise en œuvre d'un système de deep learning basé sur AlexNet par transfer learning Évaluation comparative des méthodes de fusion : - Implémentation et analyse de différentes approches : - Méthodes de vote - Fusion par Dempster-Shafer - Méthodes neuronales - Démonstration de l'impact des systèmes de fusion sur l'amélioration du taux de classification

Professeur de Science sur la plateforme en ligne LiveMentor

Segmentation d'images multispectrales aériennes : - Application de méthodes de segmentation semi-supervisées : - K-means - Isodata - Autres algorithmes de clustering - Objectif : Validation de la précision des vérités terrain (ground truth)

Professeur de Sciences (Collège et Lycée)

Missions dans le cadre des concours d'entrée en école d'ingénieurs : - Accueil et accompagnement des candidats lors des épreuves orales - Support et réponse aux questions des étudiants - Gestion informatique des ajustements de planning liés aux retards des candidats