Hafssa BOUAZAMA

Contexte : Intégration à l’équipe Software de Stellantis, avec responsabilité sur la fi abilisation des données des servicesconnectés et contribution à la qualité et à la traçabilité des fl ux data au service du pilotage opérationnel. Outils: Databricks (AWS), BigQuery (GCP), Snowfl ake, Collibra, Power BI, Power Automate, Jira, Confl uence Missions : Développement de pipelines de données en Python / PySpark sur AWS Databricks (architecture Bronze / Silver /Gold – Delta Lake). Traitement, transformation et structuration de données volumineuses via Apache Spark, avec préparation desfl ux destinés aux couches analytiques. Conception et alimentation de modèles analytiques dans BigQuery (Data Warehouse) pour le reporting et lesanalyses métiers. Création et optimisation de tables partitionnées et clusterisées, vues SQL avancées et data marts dansBigQuery afi n d’améliorer les performances et maîtriser les coûts de requêtage. Optimisation des requêtes BigQuery (query plan, gestion des partitions, réduction du volume scanné) pour garantir performance et scalabilité. Migration de flux analytiques de Snowflake vers Databricks, avec adaptation des schémas et rationalisation des traitements. Automatisation et supervision des workflows via Databricks Workflows, et développement de dashboards Power BI en collaboration avec les équipes métier pour assurer la qualité et la fiabilité des données.

Contexte : Industrialisation des données ferroviaires via Dataiku DSS, afin de produire des indicateurs fi ables de performance opérationnelle et optimiser l’utilisation des ressources. Outils : Dataiku DSS, SQL, Python, DAX, Power BI Missions : Conception et structuration de projets Dataiku DSS : organisation des flows, modélisation des datasets et centralisation des données multi-sources. Pilotage de l’industrialisation des pipelines : ingestion, gestion des dépendances, optimisation des performances et séparation des environnements DEV / PROD. Développement de pipelines analytiques croisant données de planification, réservations de voies et réalisations effectives des travaux et circulations. Mise en place de règles de Data Quality, monitoring et alerting pour sécuriser les flux et mesurer la performance opérationnelle. Analyse des écarts entre planification théorique et usage réel afin d’identifi er les inefficacités et proposer des axes d’amélioration. Orchestration des traitements via scénarios Dataiku et validation des fl ux avant déploiement en production. Construction de data marts analytiques et alimentation de dashboards Power BI pour fournir une visibilité décisionnelle aux équipes opérationnelles et au management. Accompagnement des équipes métier dans l’interprétation des indicateurs et l’optimisation de la planification ferroviaire.

Bases du Machine Learning avec Numpy et pandas Rappels de statistiques descriptives Manipulation avancée avec Pandas Statistique bivariées Data visualisation Série temporelles Nettoyage et encodage des données Modèle linéaire Arbres de décision Random Forest opitimisation par grille XGBoost Validation croisée Méthode d'interprétabilité de modèles ML Interprétabilité avec PDP Valeurs de Shapley introduction à DataRobot

Programme KESK'IA Projet: POC Mon ami dobby ⚡""25% des collégiens déclarent avoir subi un cyberharcèlement 14% des lycéens disent avoir fait l’objet d’une attaque sur internet (source DGESCO)""⚡ Objectif : Réduire le cyberharcèlement sur Discord en utilisant une IA. En utilisant des données publiques, on cherche à construire un robot IA capable de détecter les situations de cyberharcèlement sur des services de messagerie en ligne (Discord par exemple). Cette IA doit à la fois analyser le contenu des messages mais également les situations (fréquences des messages, plusieurs utilisateurs à l’encontre d’un seul) pour déterminer si une situation est réellement un cyberharcèlement ou non. On restituera les résultats du modèle dans une IHM adaptée aux utilisateurs finaux. - Préparation de la DATA: - Scraping & inspection de données - Nettoyage de la dataset.. - Modèle IA et Entrainement: - Première modélisation - Enrichissement de données -Model transformer (Modèle CamemBERT via Hugging Face qui a été entraîné par le framework TensorFlow de Google, nous permettant de faire l'apprentissage du language model) - Restitution et interactivité: - Intégration a Dashboard - Pipeline d'inférence de cyberharcèlement - Ajustement et tests du BOT discord - Dashbording Données utilisés: Données MLMA : Tweets anonymisés. Données HateCheck French : French contient des données de référence haineuses envers des groupes d’individus. Données Twitter : un jeu de données de Tweets aléatoires en français

Durée : Avril à Juillet 2023 Projet : MISE EN PLACE D’UN SYSTÈME DE PRÉDICTION DES CHIFFRES D’AFFAIRES Mes missions : Collecte et Nettoyage des données(time series dataset) Exploration et Préparation des données Visualisation et Interprétation des données Documentation des étapes de l'EDA Agrégation des données Feature engineering Training and Testing( model deep learning) Déploiement