Fatou Ndiaya DIAGNE

– Conception et orchestration de pipelines ELT. – Stockage des données avec modélisation et création de datamarts. – Mise en place de contrôles de qualité et de validation des données. – Étude statistique des données issues de sondages et utilisation de modèles NLP pour l'analyse de sentiment des verbatims. – Industrialisation de traitements et conteneurisation pour les scripts. – Développement et automatisation de dashboards et définition de KPI pour le pilotage RH. Outils utilisés : SQL, Python, Azure (Data Factory, Data Lake, Synapse), NLP, GitLab CI/CD, Docker, Power BI

– Traitement distribué avec Spark sur Databricks, ingestion en temps réel. – Stockage structurées et semi-structurées dans MongoDB et Hadoop. – Déploiement sur AWS avec provisioning automatisé de l'infrastructure. – Mise en place de pipelines CI/CD pour tests, intégration et déploiement. Outils utilisés : Spark, Databricks, Kafka, AWS, Terraform, GitHub Actions, Docker

– Préparation et structuration des données : nettoyage, encodage des labels, augmentation des images. – Implémentation et évaluation de plusieurs modèles de Machine Learning / Deep Learning : KNN, CNN, ResNet50. – Mise en place d'un pipeline de traitement et structuration des expérimentations en vue d'un déploiement.

Développement d’un assistant conversationnel capable d’interroger des jeux de données métiers en langage naturel et de produire des analyses automatiques. • Conception d’un pipeline RAG pour relier un modèle GPT à une base de données structurée, permettant la génération dynamique de requêtes SQL et la synthèse d’insights. • Mise en œuvre d’une interface utilisateur pour la visualisation des résultats. Outils utilisés : Python, LangChain, OpenAI API, FAISS, Streamlit, SQL