Hassina SADDEDINE

Recueil des besoins & cadrage : ateliers avec Product Owner et Data Scientists pour définir les exigences du service assistant virtuel, règles métier Q&A, qualité des données et contraintes SI (DMZR, sécurité, COS, Elasticsearch). Architecture DDD : conception d’une architecture Domain / Application / Infrastructure ; modélisation des entités (Document, Chunk, Embedding, IndexRecord) et mise en place d’un pipeline modulaire évolutif. Ingestion Q&A (ETL) : développement d’un pipeline complet depuis IBM COS : lecture des fichiers, détection automatique des formats (CSV/JSON), parsing robuste, normalisation, règles d’erreur, lifecycle raw → parsed → enriched → indexed → dead_letter. Client COS sécurisé : implémentation d’un connecteur Python pour COS DMZR ; récupération dynamique des credentials via Vault, logs sécurisés, accès isolé. Chunking des contenus : définition d’une stratégie de segmentation adaptée au contexte bancaire ; découpage cohérent, gestion des tailles, regroupements thématiques pour améliorer la pertinence des embeddings. Embeddings : génération d’embeddings pour chaque chunk ; gestion des batchs, retries, logs structurés et pipeline d’enrichissement orienté audit. Industrialisation Elasticsearch : création/mise à jour d’index, mappings complets, gestion avancée des alias, switch atomique sans downtime, suppression/mise à jour de documents et bulk indexing avec gestion des erreurs partielles. Conception mappings optimisés : définition d’analyzers personnalisés, multi-fields, champs nested et ajustements pour optimiser la recherche de l’assistant virtuel. Documentation technique : rédaction sur Confluence (architecture DDD, pipeline, chunking, format des données, conventions, exploitation, logs). Agilité & collaboration : travail en Scrum, gestion des user stories techniques dans Jira (ingestion, optimisation, monitoring), participation aux cérémonies Agile.

• Recueil des besoins fonctionnels : réunions avec parties prenantes pour identifier exigences, normes de sécurité, gouvernance, coûts et choix des services. • Data Science & valorisation des données Exploitation des données fiables et normalisées pour des usages analytiques et data science : préparation des datasets, feature engineering et génération d’embeddings (NLP, modèles Transformers/BERT). Contribution à des cas d’usage de recherche intelligente, scoring, classification et amélioration de la pertinence métier, avec attention portée à la qualité des données en entrée des modèles. • Infrastructure & Cloud : déploiement OpenSearch sur AWS via Terraform, clusters multi-AZ, IAM, TLS/KMS, CloudWatch, VPC Endpoint privé, dimensionnement nœuds, sharding et réplication pour haute disponibilité. Environnements Docker pour tests locaux. • Pipelines d’indexation & recherche : connecteurs Python modulaires pour CRUD de documents, mappings dynamiques, analyzers personnalisés, nested fields, moteur de suggestions avec fuzzy matching, requêtes optimisées, intégration API pour front-end à faible latence. • Migration de données : extraction depuis ArangoDB, nettoyage, transformation et indexation dans OpenSearch. • Supervision & résilience : monitoring CloudWatch, alerting proactif sur CPU, shards, snapshots et erreurs de recherche. • Transfert sécurisé de fichiers : serveur SFTP via AWS Transfer Family, provisionné avec Terraform, gestion des utilisateurs et permissions IAM, traitement automatisé via S3 → SQS → Lambda → API. • FinOps : suivi des coûts AWS (Cost Explorer), alertes budgétaires, optimisation des ressources, nettoyage des éléments inutilisés, tagging standardisé, participation aux revues mensuelles et sensibilisation des équipes. • MLOps : pipelines ETL automatisés avec AWS Glue + PySpark, catalogage des schémas, préparation automatique des datasets pour SageMaker, entraînement et optimisation de modèles ML/Hugging Face, suivi des performances.

Traitement & Gestion des données • Collecte, synchronisation, formatage et anonymisation des données issues des essais sur route (vidéo, audio, LIDAR, logs CAN bus). • Mise en place de workflows automatisés avec Airflow pour orchestrer le flux complet : réception → transfert vers GCS (Cloud Run) → transformation et prétraitement via Dataflow → stockage final dans BigQuery. • Développement de traitements distribués pour le nettoyage (filtrage audio, suppression de frames redondantes), la normalisation (synchronisation multi-capteurs) et l’enrichissement des données (métadonnées GPS, météo, ID véhicule). • Organisation des résultats en tables BigQuery partitionnées, prêtes pour l’analyse exploratoire et l’entraînement ML. • Mise en place d’un monitoring avancé avec reprise automatique des jobs en cas d’échec. MLOps & Entraînement Cloud (GCP) • Préparation automatisée des datasets via pipelines ETL (Cloud Composer, Dataflow) pour garantir qualité et cohérence. • Entraînement et optimisation de modèles de détection et segmentation sur Vertex AI avec gestion des hyperparamètres et suivi des performances. • Intégration du versionnement des modèles et données avec Google Cloud Storage. Vision par ordinateur & Deep Learning embarqué • Déploiement de modèles optimisés sur NVIDIA Jetson Xavier & Orin après entraînement sur le cloud. • Développement d’algorithmes d’odométrie fusionnant données visuelles et capteurs inertiels pour estimer trajectoire et orientation du véhicule. • Conception de modules et packages sous RTMaps et ROS2, assurant un déploiement embarqué efficace, reproductible et performant.

Collecte, stockage & préparation des données audio: Collecte de données audio multicanales issues de sources hétérogènes, avec mise en place de mécanismes de fiabilisation dès l’ingestion. Stockage sécurisé sur AWS S3 et historisation des métadonnées dans Redshift pour assurer traçabilité et exploitation analytique. Prétraitement des données audio : détection et exclusion automatique des fichiers corrompus, normalisation des formats, extraction de features acoustiques (spectres, MFCC, représentations temporelles) exploitables pour les modèles NLP et de reconnaissance vocale. Gestion de volumes importants et de flux continus via S3, avec exploration rapide et validation des transformations grâce à Athena. Pipelines ETL & industrialisation data: Conception et orchestration de pipelines AWS Glue + PySpark pour l’intégration, le nettoyage, l’enrichissement et la normalisation des données audio et textuelles. Historisation des données transformées dans Redshift afin de faciliter les analyses, le suivi des jeux de données et la reproductibilité des traitements. Mise en place de mécanismes de monitoring et d’alerting automatisés garantissant l’intégrité, la continuité des pipelines et la reprise automatique en cas d’échec. Data Science, ML & NLP: Préparation des datasets pour le Machine Learning : vectorisation, création d’embeddings (Word2Vec, GloVe, embeddings personnalisés). Développement de modèles de classification textuelle et de reconnaissance vocale (RNN, SVM, Random Forest, XGBoost). Entraînement et optimisation des modèles sur AWS SageMaker avec gestion des hyperparamètres, suivi des performances et évaluation via F1-score, précision et rappel pour garantir robustesse et fiabilité. Benchmark & amélioration continue: Analyse comparative de solutions du marché (Tellispeech, Nuance, Dragon Voice, Call Steering, MixNLU, Cobalt, Call Desk, Google, Allomedia). Benchmark de chatbots et systèmes conversationnels afin d’optimiser la pertinence des modèles, la fluidité des interactions et la qualité globale des résultats métiers.

Recueil et analyse des besoins fonctionnels : • Organiser des réunions avec les parties prenantes pour comprendre les exigences du système de recommandation. • Identifier les critères importants pour les recommandations, tels que les préférences des utilisateurs, les caractéristiques des produits, etc. Développement d'algorithmes de recommandation : • Utiliser Python pour concevoir et mettre en oeuvre des algorithmes adaptés au big data, comme le filtrage collaboratif, le filtrage basé sur le contenu ou les modèles de factorisation matricielle. • Optimiser les algorithmes pour garantir leur efficacité et leur extensibilité. Traitement et préparation des données : • Nettoyer et prétraiter les données brutes pour les rendre utilisables dans le système de recommandation. • Utiliser SQL pour gérer efficacement les bases de données contenant les informations sur les produits et les utilisateurs. Construction de l'environnement technique : • Travailler sur un environnement Linux pour assurer la compatibilité et la stabilité du système. • Installer les bibliothèques Python nécessaires pour le développement et l'analyse des données. Évaluation des performances des algorithmes : • Comparer les performances des différents algorithmes de recommandation en utilisant des métriques appropriées. • Identifier les points forts et les limitations de chaque approche. • Rédaction d'un compte rendu : • Documenter le processus de développement, les choix d'algorithmes et les étapes de prétraitement des données. • Présenter les résultats de l'évaluation et fournir des recommandations pour améliorer le système de recommandation. Rédaction d'un compte rendu : • Documenter le processus de développement, les choix d'algorithmes et les étapes de prétraitement des données. • Présenter les résultats de l'évaluation et fournir des recommandations pour améliorer le système de recommandation. Technologies : Python, TensorFlow, PyTorch, Sickit-learn, Linux, matplotlib

Installer le matériel : postes informatique ,équipements réseaux Installer , configurer et mettre à jour les postes de travail Gérer et installer le câblage :branchement ,modification ,brassage … Réparation , Réglage et Contrôle des équipements