D. Craven

Mission consulting en tant que Data Engineer chez un grand compte. Migration de leur plateforme Big Data vers une architecture hybride fédérée sous Trino (Starburst) afin d’interroger de manière transparente un datalake S3 « on-premise » et un entrepôt BigQuery sur GCP, puis transition progressive des clusters Hadoop/Hive vers Starburst/S3. Déploiement d’une chaîne CI/CD pour versionner schémas et requêtes, migration et refactoring de plus de 300 tables SQL sous dbt (modèles incrémentaux, macros réutilisables, tests et documentation), adoption du format Iceberg pour les tables et des fichiers ORC/Parquet pour optimiser compaction et performances. Des pipelines d’ingestion via Apache NiFi et Kafka etait déjà présentes. Travail au sein d’une équipe agile de dix personnes, en collaboration avec les data analyst travaillant sur Qlik et Power BI à partir de nos marts.

Depuis mon installation à La Réunion, j’ai mené plusieurs projets en toute autonomie, en tant que développeur fullstack orienté data et intelligence artificielle. 🔹 Co-fondateur d’une startup IA (OCR + LLM – Azure Functions, Docker, GCP) avec 3 mois d’implication complète : prototypage, infrastructure cloud, interfaces utilisateur. Bien que le projet ait été arrêté, cette aventure m’a permis de renforcer mes compétences en prise d’initiative, communication, gestion de l’incertitude et exécution rapide. 🔹 Réalisation de plusieurs projets exploratoires autour du prompt engineering, de chatbots personnalisés, et du fine-tuning de modèles open source. Stack utilisée : React.js / TypeScript / FastAPI / PostgreSQL / Docker Compose / LLM open source. J’ai travaillé sur le design produit, la création d’APIs, la sécurisation des échanges, l’orchestration des containers, et le déploiement cloud (GCP, Azure, Scaleway). Cette période m’a permis de consolider mes compétences en développement fullstack, conception d’architectures cloud, et gestion de projet technique, tout en explorant des cas d’usage concrets mêlant IA, produit et expérience utilisateur.

Réalisation de plusieurs PCB et simulations via Eagle, création d’un logiciel en Python pour la réception, l’affichage et l’export de données BLE. Conception de cartes de mesure conformes à la norme 60601-1, intégrant des capteurs MEMS STMicroelectronics (accéléromètre, gyromètre) pour la détection intelligente d’activité. Les données d’actimétrie étaient exploitées par des modèles de machine learning embarqués (decision trees) permettant d’identifier les postures du patient (assis, debout, en mouvement), afin de suivre leur activité de manière autonome et intelligente.

Développement d’une base de données patient/examens hébergée sur un serveur local (Raspberry Pi). Mise en place d’une interface simple avec Flask (Python), HTML/CSS et SQL pour permettre l’enregistrement et la consultation des données. Travail en collaboration directe avec des professionnels de santé pour adapter l’outil aux besoins réels du terrain, avec une attention particulière portée à la simplicité d’usage et à la structuration des données cliniques.