Devulapelli Sai kumar

• Conception et déploiement d’un lakehouse de production avec Databricks Lakeflow: ingestion Change Data Capture CDC vers Delta Lake Bronze/Silver/Gold, modèles dbt et orchestration Airflow, réduisant le temps de traitement. • Obtention de la certification Microsoft Fabric Data Engineer Associate ; publication d’articles techniques sur Medium sur les meilleures pratiques en ingénierie des données.

• Architecturé et déployé une application web NLP en production permettant de convertir du langage naturel en requêtes SQL, grâce à des techniques avancées de prompt engineering avec OpenAI, Mistral AI et LangChain. • Conçu des tableaux de bord interactifs en temps réel avec Streamlit, permettant aux utilisateurs métier de visualiser et explorer instantanément les résultats de leurs requêtes générées par IA, réduisant considérablement le time-to-insight. • Mis en oeuvre les Snowflake Container Services pour améliorer la scalabilité et la fiabilité de la gestion des données, fournissant une infrastructure backend robuste pour les applications d’IA. • Appliqué des stratégies avancées de prompt engineering pour optimiser les performances des LLM, garantissant une haute précision sur des entrées utilisateurs variées et complexes.

• Conçu et automatisé des pipelines d’ingéestion end-to-end depuis le fournisseur de données ouvertes INPI via Airbyte et les services AWS, supprimant toute collecte manuelle et garantissant une disponibilité fiable des données. • Piloté une initiative d’optimisation complète des macros DBT et des performances des requêtes SQL dans Amazon Redshift, améliorant significativement l’efficacité de traitement et réduisant les temps d’exécution des pipelines. • Développé et déployé des workflows automatisés de conformité RGPD avec DBT, couvrant les demandes d’accès aux données (DAR) et le droit à l’effacement, réduisant le délai de traitement et minimisant les risques juridiques. • Rationalisé les flux de données afin de réduire les interventions manuelles, améliorant la fiabilité, l’efficacité opérationnelle et en réduisant la charge de maintenance. • Rédigé et publié des articles techniques sur les meilleures pratiques en ingénierie de la donnée, les techniques SQL avancées et les tendances émergentes, positionnant Odicis comme un acteur référent dans la communauté.

• Maintenu et amélioré des pipelines de données cloud gérant plus de 5 To de données publicitaires sur GCP, garantissant une haute disponibilité, des performances optimales et l’intégrité des données à grande échelle. • Conçu et déployé une infrastructure de données scalable sur GCP, avec planification automatisée et systèmes d’alertes intelligents pour détecter et résoudre proactivement les incidents. • Développé des systèmes complets de monitoring de la qualité des données via des dashboards Looker sur BigQuery, offrant une visibilité en temps réel sur la santé des pipelines. • Conçu et déployé des APIs REST basées sur FastAPI pour exposer les données publicitaires traitées aux clients, facilitant leur intégration et consommation en aval. • Utilisé SQL, Python et Dataform pour enrichir et étendre les workflows analytiques, améliorant les capacités de reporting et l’accessibilité des données pour les parties prenantes.

• Conçu et implémenté des pipelines de données robustes et scalables avec Apache Airflow, Snowflake et Apache Spark pour traiter de grands volumes de données de ventes et de stocks retail, garantissant une analytique fiable à grande échelle. • Exploité Apache Spark sur AWS EMR pour le traitement distribué des données, permettant une gestion efficace de datasets volumineux tout en optimisant les coûts et les performances. • Rédigé des scripts Terraform pour automatiser le provisionnement et la gestion de l’infrastructure AWS, accélérant les cycles de déploiement et garantissant le respect des bonnes pratiques Infrastructure-as-Code.

• Collaboré au sein d’une équipe pluridisciplinaire pour analyser les flux de trafic et les usages des transports en commun, produisant des insights basés sur la donnée pour soutenir les décisions de mobilité urbaine. • Nettoyé, transformé et intégré des jeux de données de transport hétérogènes avec Apache Hive, assurant qualité et cohérence des données pour les analyses en aval. • Migré de larges volumes de données transport vers HDFS et développé des workflows de traitement Spark, optimisant les pipelines en termes de performance et de scalabilité.

• Géré et structuré un dataset d’images de 20 Go pour des projets de vision par ordinateur et de reconnaissance d’images, établissant des référentiels de données organisés pour le développement de modèles ML. • Conçu des pipelines de prétraitement end-to-end pour les données images, comprenant redimensionnement, augmentation et normalisation, améliorant significativement l’efficacité et la convergence de l’entraînement des modèles. • Développé des utilitaires réutilisables de traitement d’images en Python, NumPy et PIL, accélérant la préparation des datasets sur plusieurs itérations d’entraînement.

• Collaboré avec les partenaires franchisés et les utilisateurs finaux pour recueillir et traduire les besoins métier en solutions complètes de gestion et de pilotage des ventes de batteries. • Développé un tableau de bord BI en temps réel offrant des insights actionnables sur les performances commerciales, les tendances de service et les KPIs opérationnels, aidant la direction dans sa prise de décision. • Géré et optimisé les processus ETL pour les données de ventes et de service, garantissant un chargement précis et ponctuel dans le data warehouse avec des standards élevés de qualité.

• Recueilli, analysé et documenté les besoins métier complexes de clients, traduisant leurs attentes en améliorations de processus claires et actionnables, alignées avec les objectifs stratégiques. • Piloté l’analyse et la documentation end-to-end des processus métier pour un client majeur, générant des gains mesurables en efficacité opérationnelle et en satisfaction des parties prenantes. • Réalisé des analyses de données approfondies pour identifier les tendances et produire des recommandations actionnables, alimentant directement les décisions stratégiques de la direction.