Daniel Kharsa

• Réaliser un diagnostic et état des lieux des pratiques de modélisation (data vault) de données au sein du datawarehouse • Formuler des recommandations pour améliorer l’efficacité opérationnelle des équipes sur la base des études documentaires, revues de code et tests effectués Technologies : DBT - Snowflake - Gitlab

Au sein de la direction Data, intervention sur le déploiement d’une application full‑stack permettant d’interroger un moteur de recherche intelligent basé sur un système de RAG : • Définir et mettre en place l’architecture cloud du projet en collaboration avec la DSI • Préparer la donnée pour son utilisation au sein du système de RAG, calcul des embeddings (PostgreSQL pgvector, LangChain) • Développer un backend permettant de requêter les bases de données et d’interroger le LLM (FastAPI, Gemini API) • Déployer le backend et le frontend de l’application sur le cloud Google (Cloud Run) • Assurer l’intégration et le déploiement en continu de l’application (Cloud Functions, Cloud Scheduler)

Skills: Fivetran · Data Build Tool (DBT) · Snowflake · Git Pour le compte du département Data et BI, intervention en tant que Data Engineer. Diptyque couvre toute la chaîne de valeur de ses produits, depuis la production jusqu’à la vente. L'entreprise souhaite moderniser sa plateforme Data et a donc initié une démarche "Data Driven" en remettant l'analyse des données au cœur de sa prise de décision. Ce chantier se traduit notamment par l'assurance de : - Ramener de la Business Intelligence pour les utilisateurs (analyses et tableaux de bord) - Permettre au collaborateur d’utiliser la donnée dont il a besoin En tant que Data Engineer, mes missions sont : - Récolte, analyse et formalisation des besoins utilisateurs afin de les intégrer aux évolutions - Conception du Data modeling (Snowflake, DBT) - Développement des pipelines ETL\ELT (Fivetran, Snowflake, DBT) - Automatisation et industrialisation (CI/CD) des flux d'ingestion et de transformation des données (DBT, Gitlab) - Mise en place de Data Quality checks - Rédaction de la documentation associée - Surveillance et maintenance de l’architecture analytique

Contexte : Amélioration de l'accessibilité et de la qualité des données pour les équipes métier et data science. Missions : - Création de workflow pour le transfert de données entre différentes solutions de stockage cloud à l’aide de Cloud Composer (Airflow) - Recetter la qualité de la donnée : création de requêtes pour le suivi de la qualité (BigQuery) - Création d’interfaces et d’API pour faciliter la l’usage de modèles de machine learning (Flask/Fast API) - Documentation technique et fonctionnelle Environnement technique : Python · Docker · BigQuery · Airflow · GCP

Contexte : Data-scientist chargé de la refonte des score d’appétence. ML Engineer lors du basculement des vers GCP Missions : - Modélisation, sélection et backtesting des meilleurs modèles (Dataiku) - Responsable du suivi et de la diffusion des nouveaux modèles aux équipes métiers - Développement python afin de faciliter le développement / diffusion des bonnes pratiques - Migration des modèles vers GCP, mise en production des modèles existants (Google Vertex AI, Google Cloud Run) Skills : Python · BigQuery · Docker · GCP · Dataiku

Skills: R · Git · Machine learning · Étude des séries temporelles Responsable des prévisions de croissance à court-terme pour le compte du Ministre de l’économie Missions : • Développer les modèles de prévision et valoriser des modèles basés sur les algorithmes de machine learning • Contribuer à la transition numérique de la direction (développement de packages, automatisation des tâches récurrentes, diffusion de bonnes pratiques de programmation) • Rédiger et coordonner la publication des analyses auprès des cabinets ministériels et des administrations

Skills: Python · Dataiku · SQL · Machine learning · Statistics