Georf Miguiama Bamba

– J'accompagne les étudiants de 5# année environ 80 étudiants de l'école d'ingénieur Efrei dans leur préparation à la certification Data Scientist Associate. – Structurer un parcours pédagogique orienté compétences clés en Data Science (Python, Machine Learning, Data Engineering). – Coacher sur les bonnes pratiques pour réussir la certification et se préparer aux enjeux du métier. – Partager des cas concrets et des méthodologies pour passer de la théorie à la pratique. – Objectif: Former la prochaine génération de Data Scientists prêts pour l'industrie, avec une approche orientée qualité, performance et employabilité.

– I'm a Lead Data Scientist and also a Data Engineer. – As a Lead Data Scientist, I develop models to: – Create Data Science and Al standards for the Tereos group. – Develop machine learning models for energy consumption, processes, supply chain, and agriculture. – Optimize the supply chain by factoring in transport costs, purchase costs according to the time of year, factory capacity, and supply constraints. – Track trucks according to the raw material loading area. – Manage a group of Data Scientists, Create models as LLMs Models and RAG with R&D department. – Manage a group of interns. – Deploy and release all machine learning models for all the plants (France, Belgium, and Spain) in Azure.

– CONCEPTION ET DÉPLOIEMENT D'UN DASHBOARD POWER BI POUR LE GROUPE EUREKA EDUCATION. – MISE EN PLACE D'UNE ARCHITECTURE BI ET MONTÉE EN COMPÉTENCE SUR MICROSOFT FABRIC ET DBT.

– Accompagnement d'un stagiaire

– Adapted and optimized complex SQL queries to integrate new ERP data into the existing BI pipeline while maintaining consistency with historical systems. – Collaborated with Data Engineers to implement query changes in the DataLake using Databricks and Snowflake environments. – Validated data sets in MicroStrategy and ensured high standards of reliability and performance across reports. – Implemented data quality rules to identify and track anomalies such as duplicates, missing values, and logical inconsistencies using tools like Talend. – Designed and built dashboards in MicroStrategy for anomaly detection and monitoring, supporting data-driven decision-making. – Contributed to the improvement of data governance practices, leveraging Collibra to document data lineage, establish metadata standards, and enhance cross-team transparency.

– Accompagnement d'un stagiaire dans l'implémentation de ses missions qui sont: – Vous intervenez dans la promotion des usages innovants de la donnée et des nouvelles technologies Data pour répondre à de nouveaux besoins métiers et exploiter la valeur des données de nos clients – Vous participez aux projets BI & Big Data centraux (architecture, cadrage, cycle de vie de la donnée, positionnement des outils, ...) – Vous contribuez à l'animation et au développement de la communauté Data

– Conduit des cours en groupe ou individuels de la 3ème en Master 2 sur les sujets : – Programmation Python – Cours d'optimisation – Cours de mathématiques etc

– Effectuer des analyses statistiques approfondies des données liées à la gestion des commandes, fournisseurs, afin d'identifier des pistes d'améliorations dans le processus d'amélioration – Collecter les données relatives aux achats des clients (historique d'achats, panier moyen, catégories de produits achetés, etc.) et les analyser pour en extraire des informations pertinentes. – Comprendre et évaluer les performances du modèle existant sur la gestion de stock, et proposer des améliorations – Évaluer et améliorer la précision de l`algorithme de recommandation en utilisant des techniques d'apprentissage automatique et en mesurant ses performances en termes de taux de conversion et de satisfaction des clients. – Rédiger des documents, des présentations et des rapports sur les résultats d'analyse – Rédaction du rapport de stage et préparation de la soutenance

– La montée en compétences sur les technologies Cloud – La montée en compétence sur les concepts de gestion des coûts liés à l'utilisation des services des cloud providers publics. – Le développement de scripts spécifiques d'automatisation du process de récupération via API, de consolidation, de traitement et de stockage des données financières des différents cloud providers – La construction automatisée de tableaux de bords financiers sur les frais des différents cloud providers. – La participation aux différentes tâches d'optimisation des coûts des services cloud – La réalisation de documentations techniques associées – La participation à la présentation des travaux réalisés et transfert de compétences aux collaborateurs en collaboration avec votre tuteur de stage. – La rédaction du rapport de stage et la préparation de la soutenance

– Création d'un algorithme d'apprentissage renforcé permettant de faciliter un éclairage adaptatif de nuit pour conduite automatique.

– My team is in charge of deploying the artificial intelligence models, training process engineers in data science and ML in factories in, in order to generate more revenue sources and reduce the costs. – My role is shared between a Senior/ Lead Data Scientist, a Data Engineer. – As a Lead Data Scientist, I develop models of: – Predictive maintenance which allows the reduction of maintenance costs. – Energy reduction of machines in factories. – Optimizations of which reduce the cost of the supply chain by factoring transport cost, purchase cost according to the time of year, factory capacity and supply constraints. – Truck tracking according to the raw material loading area. – Coordinated the Data science team from McKinsey & Company and the alcohol production department from Tereos to develop and industrialize a prediction ML model in order to increase alcohol. – Development of an exhaustive handbook of good practices, tools and standards in Data Science. – Deployment and release of the first predictive algorithms within three plants and on upstream logistics processes (transportation flows). – As a Data Engineer, my role is to: – Create data pipelines to feed ML models. – Create ETL data tables for the business. – Developed and deployed a big data analytical solution using Spark (Databricks) which reduces the cost of beet transportation from fields to factories. – As a Tech Lead, my role is to: – Design the architecture of our cloud data science platform in Azure. – Design a framework to pool the code of Al use cases and thus accelerate and facilitate deployment on the cloud. – Developed standards and methodological documentation for the growing data scientists.

– Participer à l'identification et à l'analyse des besoins utilisateurs – Concevoir, prototyper/maquette et développer les réponses techniques répondant aux besoins (tableaux de bords, préparation/ nettoyage de datasets, etc...) – Réaliser les tests de vérification, qualification de l'environnement, langages de développement – Utilisation des langages de programmation: Python, Postgre SQL, PowerBI

– Mise en place d'une plateforme d'intégration continue pour réduire la dette technique : – Migration des projets et historiques de SVN vers GitLab – Conduire une phase d'analyse sur l'utilisation de Docker pour de l'intégration continue – Mettre en place un serveur d'intégration continue sur un serveur dédié (Jenkins - installation, configuration, définition et mise en place des règles de sécurité) – Analyser, proposer et mettre en production les outils et modules permettant la réalisation des tests de couverture de code – Automatiser les tests unitaires (C++ Test Para soft) – Automatiser les tests de non régression (déploiement de VM linux) – Publier les statistiques sous forme de tableaux de bords Web (Dashboard) (résultats de tests, métriques, couvertures de code, Sonar...) – Faire remonter les alertes aux développeurs – Création de Template d'ajout de projets C++ et .net

– Mission: Travailler avec le département d'ingénierie et fonctions opérationnelles afin d'explorer comment les plates-formes de collaboration (basées sur Teams Sharepoint) et les outils d'analyse de données (basés sur PowerBI) peuvent améliorer la gestion du savoir-faire et le suivi des performances. – Le stagiaire travaille en étroite collaboration avec le Vice Président Engineering and Supply Chain Management basé à Suresnes, l'équipe numérique du Global Project Center basée à Suresnes et à distance avec l'ingénieur en chef adjoint du groupe basé à Aberdeen (Royaume-Uni). – Création de machines virtuelles Template Linux

– Refonte d'une page de documentation d'un outil de programmation simplifié – Gain de temps pour les développeurs – Autonomie de l'utilisateur – Design conformes aux normes SAP – Meilleur compréhension du produit – Architecture MVC (Modèle-Vue-Contrôleur) – Création d'un outil Web appelé « Cloud Studio » – Automatisation avec des blocs de tâches Par exemple: Excel, Word, Outlook, etc... – Simple d'utilisation – Documentation générée – Double point de vue développeur/client – Documentation générée à partir d'une JSDoc déjà présente – Documentation des fonctions par le développeur (entrées, sorties, descriptions, etc...) – Ajouts et gestion des informations – Page web plus ergonomique – Framework de SAP appelé SAPUI5 – Amélioration du visuel et corrections de bugs – Conformes aux normes visuelles SAP – Un POC est un test de logiciel informatique basé sur la construction d'un prototype architecturé – Étape importante du processus – Évitez les points bloquants – Présentation en trois parties – Gestion interface utilisateur – Gestion des données – Gestion du déploiement – Microsoft Teams, VSCode, ot Extensions, Github, HTML, JavaScript, CSS, XML et U15

– Mission: Création d'un moteur de recommandation pour la Banque de France – Objectifs: Comparaison des entreprises avec leurs concurrents – Chefs d'entreprise pourront se situer et faire une étude de marché – Constitution d'une base de données des entreprises par API et Scraping – Clustering sur les données basées sur plusieurs critères – Clustering: regroupement de données selon une caractéristique commune – Cosine Similarity: score sur la similarité de 2 vecteurs à n dimensions en déterminant le cosinus de leur angle – Utilisation du TF-IDF pour obtenir les vecteurs à partir des caractéristiques textuelles des entreprises – Mesure de la similarité entre deux vecteurs (entreprises) – Implémentation d'un moteur de recommandation pour les entreprises fonctionnelles

– Mission du stagiaire: Réalisation d'outils permettant l'exploration de données et l'agilité à l'échelle (Benchmark des architectures Lambda et Kappa) – Mes missions consistaient à : – Préparer l'arrivée – Accueillir la personne – Assurer le suivi – Mesurer les acquis, évaluer les progrès – Entretenir des relations avec l'école – Préparer son arrivée: L'arrivée d'une nouvelle personne dans un service se prépare, à plus forte raison quand il s'agit d'un stagiaire impliqué dans un dispositif particulier de formation. – Accueillir la personne: Les premières semaines et en particulier la première journée sont décisives pour la découverte de l'entreprise et pour l'intégration de la personne. Le tuteur doit prévoir d'y consacrer du temps. – Assurer le suivi: La formation du stagiaire sur le poste est de la responsabilité du tuteur de proximité. Par contre, ma préoccupation à était: - établir une progression dans les tâches confiées, - veiller à une maîtrise totale du métier, - veiller à l'acquisition de la culture de l'entreprise. – Mesurer les acquis, évaluer les progrès: Comme hiérarchique j'étais amené à contrôler la qualité du travail fait (comme pour tout personnel). Comme tuteur j'avais aussi à évaluer comment le stagiaire progresse dans sa formation et acquière l'ensemble des compétences du métier. – Entretenir des relations avec l'école: Par rapport à l'objectif de formation, le temps en centre et le temps passé au travail sont complémentaires. Le maître de stage et moi, avons pu collaborer pour le bien du stagiaire en formation, à se connaître et à agir de concert.

– Objectif: Recommandation de Produits – Récupération des données internes et Open Data – Recommandation de Produits basée sur les données démographiques – Utilisation de l'algorithme de NetFlix et Amazon (filtrage collaboratif) pour recommander des produits – Utilisation d'une optimisation sous contraintes pour filtrer les recommandations en sortie – Résultats: Le métier a été très satisfait des recommandations proposées par l'algorithme – Industrialisation de ce projet dans les prochains mois – Environnement techniques : Python, Jupyter NoteBook, Scikit-learn, Pandas, PowerBI

– Objectif: Détection de fraude – Features Engineering sur les variables initiales – Gestion des valeurs manquantes – Vérification des corrélations entre ces variables – Clustering sur la base de ces variables – CAH (Classification Ascendante Hiérarchique) sur ces variables – Application d'une loi Normale sur ces distances – Application de certaines méthodes statistiques sur ces distances Euclidiennes – Croisement des méthodes précédentes – Transmission d'une liste des potentiels fraudeurs au métier pour validation – Résultats: J'ai pu détecter 74 boutiques en 8 semaines alors que le métier en 2 ans ils ont détecté 16 boutiques – J'ai industrialisé ce projet sur Azure Machine Learning – Environnement techniques: Python, Jupyter Notebook, TIBCO Statistica, Scikit-learn, R, Azure ML

– Objectif: Classification automatique de CV en utilisant la Data Science – En tant que data scientist, et avec un peu de Talan, nous proposons une aide aux ressources humaines afin de trier automatiquement les CV réceptionnés et en ressortir les informations les plus pertinentes. C'est le but du projet classification automatique de CV. – Convertir des paragraphes en phrases – Prétraitement du texte – Tokeniser les phrases (en utilisant NLTK) – Documents de Termes Matrices (DTM) – Trouver la fréquence d'occurrence pondérée (TFIDF) – Application des algorithmes de classification (KNN, SVM, Random Forest etc) – Environnement technique et Résultats : Python, Jupyter NoteBook, Scikit-learn, NLTK, Treetagger, Qt Python – Benchmark de l'outil de Machine Learning de IBM – Handover des projets réalisés et partage de connaissance etc

– Réalisation d'une application permettant de mettre à disposition des extractions de manière simple et rapide aux utilisateurs. Technologie abordées : Java EE, Javascript, Ajax, AS400, PostgreSQL, Bootstrap

– Le Troph'ESIEA, est un rendez-vous sportif et ludique pour les étudiants de la région. Originellement, cette compétition se déroule en région parisienne. Le principe du Troph'ESIEA est simple, il s'agit d'un tournoi multi-sport. Des étudiants s'affrontent par équipe de 7 à 10 personnes dans 4 sports collectifs (Football, Handball, Volley et Basket). Pour ma part, dans ce projet j'étais en charge de l'organisation de cet évènement et j'étais aussi arbitre.