Bachir Aitmbarek

● Formation d’un groupe de 6 stagiaires à Spark avancé : Concepts avancés et méthodes d’optimisation de performance. (Ambient-IT) ● Formation d’un groupe de 10 stagiaires à la plateforme Databricks (Ambient-IT). ● Animation d’un module de 30 heures autour de la DataOps à l’attention de 70 élèves ingénieurs niveau Bac+4 (ESIEE). ○ Développement d’un agent « assistant de notation » permettant d’homogénéiser et valider les notes attribuées aux élèves. ○ Environnement technique : Application Android (Kotlin), Backend Rust, Apis ChatGPT + Google Document AI, stockage fichier. ● Accompagnement d’un groupe de 30 élèves niveau Bac+5 dans le cadre de travaux pratiques sur la programmation fonctionnelle avec Scala (ESIEE). ● Développement d’une solution interne de gestion de la connaissance intra-entreprise. ○ Environnement technique : ReactJS (nodejs), Nginx, Scala 3 (Zio, Tapir, Http4s), Docker, Lucene.

● Audit et refonte de composants applicatifs sensibles : Maintenabilité et Performance. ● Accompagnement de l’équipe de Data Engineering via la présentation des améliorations apportées et des best practices à appliquer. ● Mise en place de chaînes d'ingestion d’audience et de recalcul du datamart associé en mini-batch (exécution toutes les 5 minutes). ● Développement du moteur de recherche interne des produits Louis Vuitton. ● Développement d’un service de « search as you type » pour les conseillers client (utilisé en magasin) ● Conception et réalisation de chaines d’ingestion temps-réel avec services de recherche documentaires. ● Collecte et restitution des logs applicatives (micro-services, jobs) pour analyses techniques et métier (performances, métriques liées aux traitements, fréquence d’utilisation des micro-services, disponibilité, saisies utilisateurs, etc..). ● Contribution au développement de la culture DevOps (IaC, CI/CD, versionning, tests de charge, monitoring et alerting) ● Environnement technique : Spark 2.x, Scala 2.11 / 2.12, Kafka 2.4, Elasticsearch 6 et 7 / Kibana, Impala, éco-système Hadoop, Akka HTTP, Tapir, ZIO, Gatling, Docker, Kubernetes / Rancher, Jenkins, Ansible, Airflow.

● Conception et développement d'une plateforme data-centrique temps-réel composée de trois voies d'acquisition de données : Microservices REST, messaging et fichiers. ● Deux enjeux majeurs pour le SI : ○ Middleware d'entreprise permettant la centralisation, la qualification et la diffusion de la connaissance en temps réel. ○ Exposition par APIs de données métier fiables (source de vérité), enrichies (KPIs) et restructurées conformément aux besoins métiers. ● Environnement technique : Spark 2.x, Scala 2.11, Elasticsearch 6.4, HDFS, Docker, JMS (migration vers Kafka anticipée), Spring Boot 2

Mission de cadrage technique pour mise en place d’une plateforme analytique Big Data : ● Accompagnement des métiers de la mutuelle dans la définition de leur stratégie data. ● Conception d'une architecture technique permettant de répondre aux exigences métier. ● Identification d'une trajectoire de mise en oeuvre du programme de refonte Data (priorisations, définition des chantiers et des tâches, plan de formation des ressources). ● Accompagnement du DPO et du RSSI dans le cadre de la mise en oeuvre de la RGPD et dans l'identification des risques liés à la sécurité de la donnée. Livrables : ● Synthèse des cas d'usage métier ● Plan de Management de Projet ● Dossier d'architecture logiciel / technique ● Matrice d'identification des risques liés au programme ● Matrice EBIOS

● Mise en place d’un Datalab et d’un datamart permettant d’explorer en profondeur les données d’audience du site pagesjaunes.fr. Le datamart sert de pivot analytique à tous les métiers consommateurs d’audience mais aussi à la restitution d’audience présentée aux professionnels souscripteurs de produits pagesjaunes. ● Mise en place d’un Datamart orienté annonceur permettant d’aider les équipes commerciales et le marketing dans la détection d’opportunités et de risques, et dans la connaissance liée aux professionnels. ● Développement d’un produit de parution piloté par la data (système réactif, machine learning) garantissant une bonne présence médias aux clients souscripteurs. ● Environnement technique : Spark 1.x & 2.x (Core, SQL & Mllib), Scala 2.11, Kafka 0.11, Elasticsearch / Kibana, MongoDB, Impala, éco-système Hadoop, GraphQL, Docker