Eliahou Benamou

• Conception de requêtes SQL avancées pour analyser commandes, transporteurs et performances produits • Création de dashboards opérationnels pour suivre les KPI logistiques et financiers • Automatisation de l'extraction et traitement des rapports PDF via API avec intégration directe dans un SaaS • Optimisation du pipeline data, nettoyage des données et documentation des règles métier

Développement de modèles de machine learning pour la détection d’anomalies dans des données biomédicales structurées et textuelles, en utilisant Scikit-learn pour les approches classiques et TensorFlow pour les architectures plus complexes. Automatisation de workflows via Airflow, mise en production d’API de prédiction avec FastAPI & Docker. Suivi et versioning des modèles déployés avec MLflow. Participation au design des pipelines IA avec les équipes Data Engineering et DevOps.

Analyse et valorisation de données IoT pour optimiser les itinéraires et réduire l’usure des flottes : traitement avancé avec Pandas, visualisation avec Matplotlib, et création de dashboards interactifs sous Power BI et Tableau pour les équipes métier. Exploration de patterns et corrélations métier et développement de modèles prédictifs (clustering, régression linéaire) afin de soutenir les décisions opérationnelles. Développement d’une application web full stack avec Flask : gestion des utilisateurs, création/publication d’articles, interface CRUD, authentification sécurisée et système de notifications par e-mail. Conception d’un script Python d’extraction automatique d’articles depuis des sites médiatiques, avec génération de pages HTML dynamiques connectées à l’application Flask.

• Participation à la refonte d’une application de suivi patient, en lien direct avec l’équipe produit pour intégrer les besoins cliniques dans les spécifications techniques. • Développement d’API REST sécurisées pour la gestion des utilisateurs et des données médicales, avec base de données PostgreSQL et contrôles d’accès renforcés. • Création d’une application réactive avec Meteor.js, intégrant une interface utilisateur/admin, gestion des comptes et des factures avec MongoDB, tri et filtrage dynamique via JavaScript côté client et serveur. • Automatisation de l’extraction et du filtrage de données à des fins de reporting métier, via Node.js : mise en place de scripts robustes gérant erreurs et filtrages par plage de dates.