Fabrice Woittequand

Développement d'une solution permettant de prédire l'activité des entrepôts de logistique. Time series forecasting (Arima, exponential smoothing, theta, Prophet, NeuralProphet) Audit des différentes plateformes de MLOps et industrialisation de la solution de forecast (ZenML, Vertex AI, GCP)

Installation de l'architecture Big Data (from scratch): Airflow, Kubernetes, Docker, Github actions, Prometheus, Grafana Déploiement dans le cloud (Scaleway) Développement de pipeline de données (pySpark) Mise en place d'une infra de CDC (Change Data Capture) pour la réplication de données en temps réel (Débézium, Strimzi) Développement de dashboard de dataviz (metabase, Dash/Python) Data matching en utilisant des algorithme de NLP pour charger l'index d'un logiciel de marketing automation.

_ Développement de pipelines d'ingestion et transformation en Spark (Scala, Python) pour et en collaboration avec l’entité Chinoise _ Mise ne place de rapports financiers sous Power BI (Hive) _ Projet OCTG : développement d’une application web de visualisation des données liées aux offres pour le département marketing. => Développement du pipeline d'ingestion en Python, => Data cleaning en R, => Application web R/Shiny _ Projet Industry pricing : développement de deux outils de dataviz à destination des équipes commerciales pour optimiser les prix de vente par marcher et analyser la compétition pour chaque type de tube que Vallourec est en capacité de produire. =>Application web (R/Shiny & Python/Dash) =>Data pipeline en python _ Détermination du ou des facteurs responsable(s) de défauts de solidité sur les tubes produits avec le grade F46VB à partir de données de tests, composition chimique et d’usine (R, régression linéaire, Random Forest), _ Analyse de correspondance entres les spécifications des grades (valeurs min et max de chaque élément chimique) dans les catalogues de deux entités du groupe (l’une européenne, l’autre américaine) (Python, corrélation, overlap) _ Formation data science sur datacamp (career track Data Scientist in R, Deep learning in Python)

_ Industrialisation du socle basé sur la distribution MapR associé au Datalake CACF. _ Développement des capacités batch et streaming temps réel (Apache Spark, MapR Stream, i.e Apache Kafka, Scala, Java), _ Développement d'un composant de CDC à basé sur Vert.X, Kafka et SpringBoot (transfert en temps réel des dossiers de financement pour les partenaires FNAC et Darty), _ Formation à Apache Spark dispensée aux étudiants de deuxième année d’école d’ingénieur (ISEN), _ 1ère place au concours de data science interne : élaboration d'un modèle de classification permettant de détecter les dossiers de crédit susceptibles d'entrer en contentieux dans les 6 mois (Anaconda, Python, Pandas, NumPy, XgBoost, Random Forest), _ Formation au Machine Learning, Deep Learning en python, => Certification Machine Learning : https://www.coursera.org/account/accomplishments/certificate/YGPB9HRWTGMH

Projet de refonte axa.fr (Jahia, scala, java, riak, maven, sbt) _Industrialisation : Mise en place des outils de qualité logicielle et Plateforme d'intégration continue. Projet Web/mobile Javascript Full Stack sur les objets connectés : _ Projet ambitieux mettant en oeuvre des technologies d'aujourd'hui : MongoDb, Express, Angular, Node.js. _ Développement / Maintien d'un framework utilisé au sein de l'infrastructure SOA (basée sur Software AG WebMethods) : en particulier modernisation (rendre plus réactif) d'un système monolithique basé sur le multithreading et ce qui va de pair (locks, synchronisation, ...). _ Mise en place d'une architecture EDA basée sur Apache Kafka (développement d'un adapter spécifique pour WebMethods, SDK pour Java, Node.js et .Net, mise en place, configuration et sécurisation de la plateforme). _ Etude de fond sur les architectures réactives. Test de plateformes comme Vert.X, Node.js ou de frameworks comme Akka (Scala).

Support technique, Veille technologique, prototypage, architecture. Développement d'un prototype de portail "riche" pour les apporteurs (GWT 2, Liferay, Mercurial, Drools) Mise en place d'une couche de médiation dans le SI Swisslife (WebMethods ESB 8.2) Mise en place d'une solution de web analytics basée sur PIWIK de manière non intrusive (PIWIK, SQUID, Architecture logicielle)

Plusieurs missions pour le compte de clients du secteur de l'industrie et de la grande distribution de la région Nord/Pas de Calais. Mes responsabilités ont évolué durant mon passage chez Capgemini de développeur à responsable technique. Expertise technique : UML2, MDA, JAVA, JAVA EE, Spring, Struts, EJB, Hibernate, DAO, Eclipse, BEA Weblogic,JBOSS, Maven, ORACLE, Spring Security, AJAX (DWR) J'ai quitté Capgemini et plus précisément le skill group NT&I après 4 années dans un cadre agréable pour un nouveau challenge professionnel chez SwissLife.

Développement d'une application en Java/J2EE, Struts, Mysql dans le cadre d'une offre de Carte de Vie Quotidienne.