El Mehdi ZEGOUDE

• Centralisation, fiabilisation et gouvernance des données des centres du groupe au sein d’un référentiel MDM utilisé par plusieurs pays. • Développement de pipelines de données avec Python, PySpark et SQL sur Databricks pour l’ingestion, le nettoyage, la transformation, l’enrichissement et la consolidation de données provenant de sources hétérogènes. • Structuration des traitements selon une architecture Lakehouse / Medallion Architecture avec séparation des données en couches Bronze, Silver et Gold afin d’améliorer la qualité, la traçabilité et la réutilisation des données. • Création et manipulation de Delta Tables avec Delta Lake : gestion des mises à jour, historisation, propriétés ACID, Schema Enforcement, Schema Evolution et Time Travel. • Développement de traitements distribués avec PySpark / Spark DataFrames : transformations, filtres, jointures, agrégations, déduplication et contrôles de cohérence. • Mise en place de règles de Data Quality : contrôle des valeurs nulles, détection des doublons, validation des formats, contrôle des référentiels et rapprochement des données entre plusieurs systèmes. • Utilisation de Unity Catalog pour l’organisation et la gouvernance des données selon la hiérarchie Catalog / Schema / Table, ainsi que pour la gestion des accès et des permissions. • Automatisation de l’ingestion incrémentale de fichiers avec Auto Loader et gestion de l’arrivée de nouvelles données. • Automatisation et orchestration des traitements Databricks via des Jobs / Workflows afin de fiabiliser l’exécution des pipelines récurrents. • Mise en place de pratiques CI/CD avec Git, Pull Requests, tests automatisés et déploiement des traitements • Databricks entre les environnements DEV, TEST et PROD. • Gestion et synchronisation des données de référence entre plusieurs applications internes, bases de données et outils métiers. • Environnement technique : Databricks, Apache Spark, PySpark, Spark SQL, Python, SQL, Delta Lake, Delta Tables, Unity Catalog, Auto Loader, Lakehouse, Medallion Architecture, Data Quality, ETL, Git, CI/CD, REST API, Postman, MongoDB, SQL Server / SSMS, Board, Qlik Sense.

• Conception d'un modèle pour la compression Intra-image et inter-image • Collecte, analyse et préparation données • Implémentation des algorithmes de compression d'image. • Tests et mesures de performances sur des datasets. • Mise en place d'un algorithme facilitant l'optimisation de la compression inter images. • Technologies: Python, Docker, Git, Visual studio, méthode Agile

• Mise en place d'un système décisionnel pour le contrôle et le suivi d'usage des TIC dans les établissements au niveau national • Analyse des données récupérées et la prise de décision en se basant sur des indicateurs fiables et valides • Technologies: Microsoft BI: SSMS/SSIS/SSAS/SSRS