Khalid Haddou

Contexte : Chez Telus Digital, j'ai analysé des données complexes issues de diverses sources afin d'optimiser l'expérience utilisateur et d'améliorer les performances des systèmes numériques. En collaboration avec les équipes UX et techniques, j'ai fourni des insights exploitables pour affiner les produits et services, en appliquant des techniques avancées d'analyse des données et en intégrant les retours d'utilisateurs pour mesurer et améliorer la satisfaction client. Responsabilités et tâches : • Analyse des données : o Identification de tendances et patterns (données non structurées, NoSQL). o Extraction d'insights (audio, vidéo, images) pour optimiser l'UX. o Préparation des données pour modèles supervisés. o Évaluation de la satisfaction client via enquêtes et retours. • Fine-tuning des LLMs et fact-checking: o Ajustement des modèles linguistiques (LLMs) pour des réponses précises et contextuelles. o Vérification des faits pour assurer la fiabilité des informations. • Web Search Analysis & UX : o Optimisation de l'UX basée sur les comportements utilisateurs. • Suivi des performances et feedback : o Surveillance des KPIs et métriques clés. o Partage des insights et intégration des feedbacks pour optimisations. Environnement Tech : • Analytiques : Web Data Analysis, Testing. • Visualisation : Rapports clairs, outils de Dataviz. • Technologies: Machine Learning, Deep Learning, LLMs, Big Data. • Environnement : Collaboration interdisciplinaire, 100% Anglais. Résultats (gains et bénéfices) : • Client & UX : Moins d'abandons, personnalisation et engagement accrus. • Performances : LLMs précis, systèmes efficaces, erreurs réduites. • Efficacité : Décisions data-Driven, processus optimisés, risques maîtrisés. • Innovation : Avantage concurrentiel, progrès continu, feedback intégré. • ROI : Coûts réduits, revenus boostés par une UX. Connaissances sectorielles : • UX & accessibilité • Multimédias, IA Gen & LLMs Connaissances métier : • Analyse web : Optimisation, décryptage des requêtes et comportements. • Analyses : Analyse comportementale, segmentation client, fact-checking • Tests & validation : Vérification de la précision et fiabilité des modèles. • Analytique avancée : Détection de tendances et anomalies. • UX : Interfaces intuitives et fluidification des parcours utilisateurs. • Collaboration : Synergie avec les équipes tech et UX. Ce que je retiens de cette expérience : Cette expérience m’a beaucoup apporté, tant sur le plan technique qu’humain. J’ai pu approfondir mes compétences en analyse de données et en fine-tuning des modèles de langage tout en ayant un impact direct sur l’amélioration de l’expérience utilisateur. Travailler avec des données multimédias m’a ouvert de nouvelles perspectives sur l’exploitation de sources variées pour extraire des insights pertinents. Cette mission m’a également permis de travailler dans un environnement international.

Contexte : En tant que Formateur DATA et IA au sein du Groupe GEMA, j’enseigne et accompagne des étudiants (Bac+3 à Bac+5) en analyse de données, Machine Learning et IA, à travers une pédagogie interactive et des cas concrets professionnels. Mon rôle consiste à rendre accessibles des concepts complexes tout en préparant les étudiants aux réalités du marché grâce à des projets pratiques et un suivi personnalisé. Responsabilités : • Enseignement & Formation o Cours et ateliers sur Python, ML et Dataviz avec cas pratiques o Analyse de données et modélisation prédictive sur des cas réels o Feedback individualisé et adaptation des méthodes d'apprentissage • Excellence académique o Intégration des dernières avancées en IA et data science o Méthodes innovantes pour maximiser l'implication o Respect des standards Qualiopi pour formations certifiantes • Innovation pédagogique o Utilisation de plateformes et logiciels métiers dans les parcours o Apprentissage par projets concrets et mises en situation Environnement Tech: • Langages & Data Science : Python, SQL, Machine Learning, Deep Learning • Outils : Dataviz, Jupyter, Git/GitHub • Pédagogie : Ingénierie formative, techniques d’animation, évaluation continue Résultats (Gains et bénéfices) : • Satisfaction des étudiants. • Maîtrise d'analyses complexes et déploiement de modèles ML par les étudiants • Expertise en outils recherchés (Python, SQL, Dataviz, etc.) pour l’employabilité optimale • Approche par projets concrets et méthodes interactives pour un engagement maximal • Programmes alignés sur les besoins entreprises (Big Data, IA, Dataviz) Connaissances métier : • Pédagogie & Ingénierie de formation • Veille technologique • Partage de connaissances Connaissances sectorielles : • Formation et Enseignement, Qualiopi. • Machine Learning, Deep Learning, IA, Data science. • Insertion professionnelle Ce que je retiens de cette mission : Cette expérience de formateur allie expertise technique et pédagogie innovante, permettant de former une nouvelle génération de data analysts et data scientist opérationnels. J’ai affiné ma capacité à vulgariser des concepts complexes tout en maintenant une exigence professionnelle, préparant les étudiants aux défis concrets du marché de l’IA et de la data.

Contexte : Le College of Computing de l'UM6P m'a confié la mission de crée et optimiser des systèmes de recommandation avancé, capable de segmenter et d'analyser les comportements utilisateurs pour affiner la précision des suggestions. Travaillant dans un environnement 100% anglophone, avec des chercheurs internationaux entravant sur des projets à grande échelle (Big Data) sur superordinateur. Mon rôle comprenait la création de visualisations interactives, tout en publiant mes travaux pour contribuer à la recherche en R&D. Responsabilités : • Recueil et compréhension des besoins. • Acquisition, traitement, nettoyage et gestion des données. • Analyse des systèmes existants et génération d’insights pertinents. • Analyses comparatives sur 7 domaines (e-commerce, films, tweets, produits, etc.). • Évaluation et identification des tendances et axes d’amélioration. • Mesure de la satisfaction client, analyse de sentiment et segmentation. • Traitement de +25M-30M de données par session sur le superordinateur Toubkal. • Développement, raffinement et Optimisation systèmes de recommandation. • Création de visualisations interactives et rapports pour les chercheurs. • Publication d’articles scientifiques en revues Q1 (ex voir IEEE Xplore). • Collaboration sur des projets interdisciplinaires avec chercheurs et doctorants. • Documentation des méthodologies pour garantir la reproductibilité. Environnement Tech : • Langages et outils : Python, C/C++, SQL, Power BI, Hadoop, Git, GCP. • Technologies: Machine Learning, Deep Learning, Big Data, Linux, Data Center. • Méthodologies : Agile (Jira & Confluence), CI/CD. Résultats (Gains et bénéfices) : • Réduction des coûts publicitaires, optimisation de l’UX et amélioration de la satisfaction client • Création et amélioration de solutions de recommandation. • Dashboards pour analyser tendances et performances. • Publications (ex : IEEE Xplore) et partage d'insights (Contribution R&D). Connaissances métier : • Systèmes de recommandation • Segmentation client, analyse de sentiment et d’avis (UX). • Big Data et traitement de données massives sur superordinateurs. • Maîtriser d’infrastructure haute performance (250TB RAM, 3.15 PF, 8000TB stockage, 138240 cuda cores). • Innovation et publication scientifique. • Collaboration et travail interdisciplinaire 100% Anglais. Connaissances sectorielles : • Retail/e-commerce/ UX • Médias/Divertissement • Big Data (Netflix, Amazon, Microsoft, Apple). • Publicité/Marketing • R&D, IA, Data sciences Ce que je retiens de cette mission : J'ai renforcé mon expertise en IA et Big Data dans un environnement international, en pilotant des projets Agile, data-Driven pour optimiser l'UX, réduire les coûts publicitaires et maximiser la rentabilité. Mes analyses, présentées via des Dashboards interactifs, ont facilité la prise de décision stratégique. J'ai également contribué à la R&D avec des publications scientifiques sur les systèmes de recommandation, alliant impact opérationnel et innovation.

Contexte : Chez O'Sol, le potentiel des données disponibles n’était pas exploité. O'Sol souhaitait exploiter pleinement ses données pour améliorer la satisfaction client par le biais de la performance de ses batteries. J’ai développé des outils d’analyse offrant une vision détaillée de leur comportement, optimisant leur fiabilité et facilitant la prise de décision en collaboration avec les équipes techniques et produit. Responsabilités : • Recueil et modélisation des besoins métiers. • Collecte multi-source, intégration de données externes. • Automatisation et optimisation des pipelines ETL. • Analyse des données électriques : tendances, efficacité, anomalies. • Définition et calcul d'indicateurs clés (KPIs). • Mise en place de Dashboards interactifs centralisées et dynamiques des performances. • Mise en place d’alertes automatiques (dysfonctionnements) • Collaboration transverse et interactions avec les équipes métiers/techniques. • Documentation et formation des parties prenantes à l'utilisation des outils développés. • Veille proactive et communication des mises à jour outils/méthodes. Environnement Tech : o Langages et outils : Python, SQL, Power BI, DAX, Azure, ADF, ADL, APIs, NoSQL. o Processus : ETL, Data Pipelines, CI/CD, Git. o Méthodologies : Agile (Jira & Confluence). Résultats (Gains et bénéfices) : • Performance des batteries améliorée grâce aux insights tirées de mes Dashboards. • Satisfaction et fidélisation des clients augmentés. • Chiffre d'affaires boosté par fidélisation Connaissances métier : • Optimisation des performances • Statistique, Reporting • Initiation & innovation • Conformité : Normes sécurité Connaissances sectorielles : • Industrie des batteries • Connaissance client • Enjeux environnementaux Ce que je retiens de cette mission : Cette mission m’a permis de mettre en pratique la culture Data-Driven et de contribuer à l’innovation en démontrant l’impact des données sur la performance, la prise de décision et la satisfaction client. Elle m’a également permis de développer mon autonomie, mon esprit d’initiative et ma capacité à assurer une veille technologique continue.

Contexte : Le client souhaitait développer un modèle Data-Driven pour prédire la rentabilité, le chiffre d'affaires et la localisation exacte d'une nouvelle implantation commerciale (boutiques, boulangeries, etc.) sur un territoire, afin d'optimiser le choix des sites. Responsabilités : • Recueil et modélisation des besoins métiers. • Collecte, nettoyage et préparation de données. • Analyse avancée des données (Segmentation, opportunités de croissance, performances sectorielles). • Analyse géomarketing, diagnostique gain / perte d’activité • Développement, optimisation et déploiement du modèle de machine Learning. • Créations de Dashboards interactives présentant les prévisions (Rentabilité, CA, localisation). • Travailler avec des experts-comptables pour optimiser la gestion des coûts et des revenus. • Recomendation pour aide à la décision guidée sur les données. • Documentation détaillée des processus et résultats. • Animer des ateliers pour partager les insights et former les équipes. Environnement Tech : • Langages et outils : Python, SQL, Power BI, APIs, BigQuery, GCP • Processus : ETL, Data Pipelines, CI/CD, Git. • Méthodologies : Agile (Jira & Confluence). Résultats (Gains et bénéfices) : • Mise en place d’outils/Solutions Data-Driven decision-making • Optimisation des prévisions de CA, détermination des facteurs clés influençant les ventes. • Réduction des coûts et maximisation de la rentabilité et soutenir la croissance. • Décisions stratégiques, Dashboards interactifs, opportunités de croissance. Connaissances métier : • Analyse prédictive, segmentation client • Optimisation des ventes et gestion des coûts • État de l’art & Reporting • Machine/Deep Learning, Agilité Connaissances sectorielles : • Comptabilité, Finance • Retail, logistique produit, ventes • Data science, IA et Machine Learning • Durabilité, conformité et service Ce que je retiens de cette mission : J’ai appliqué mon expertise en data, modélisation prédictive et data visualisation tout en développant des compétences transversales essentielles : collaboration inter-fonctionnelle, vulgarisation des données et gestion de projets sous contraintes. Mon impact concret se traduit par l’optimisation des stratégies commerciales et la diffusion d’une culture Data-Driven au sein des équipes.

Contexte : BNP Paribas a sollicité GrassFields pour développer un modèle avancé de détection des fraudes, capable d'analyser les données transactionnelles afin d'identifier les schémas frauduleux et d'anticiper les comportements à risque. Responsabilités : • Récupération et compréhension du besoin. • Recherche, Collecte, Nettoyage et Enregistrement des données. • Analyses avancées de données massives et déséquilibrées pour identifier des schémas frauduleux. • Développement, Test et déploiement du modèle. • Optimisation grâce aux techniques avancées d’IA, ML, DL. • Développement d’une interface web interactive facilitant l’utilisation. • Monitoring via Dashboards et de rapports interactifs pour faciliter le suivi et l’interprétation des résultats. • Participation aux échanges et communication des résultats, insights et recommandations • Collaboration étroite avec les équipes métiers, techniques et le client. • Documentation détaillée. Environnement Tech : • Langages et outils : Python, SQL, Spark, Power BI, Databricks, Git, GCP. • Processus : ETL, CI/CD, Monitoring, Pseudonymisation, Harmonisation des données. • Méthodologies : Agile (Jira & Confluence), Gestion de projet. Résultats (Gains et bénéfices) : • Fraudes détectés, réduction des pertes financières. • Segmentation et identification des risques. • Sécurité des systèmes financière renforcée. • Transparence et confiance accrue. • La connaissance du client, Profiling (KYC). Connaissances métier : • Modélisation statistique et analyse des données. • Développement et monitoring de modèles prédictifs. • Machine Learning, Deep Learning, Explainable AI (XAI). • Gestion des ETL. • Visualisation des données et reporting. • Collaboration multidisciplinaire. • Anglais. Connaissances sectorielles : • Bancaire et Assurance, Automobile. • Conformité et régulation : Normes GDPR, PCI DSS, sécurité des données, AML/CFT. • Gestion des risques : Frameworks COSO, ISO 31000, etc. Ce que je retiens de cette mission : J’ai renforcé mes soft Skills clés : collaboration multidisciplinaire, résolution de problèmes sensibles liés à la fraude, au blanchiment d’argent et au financement du terrorisme, ainsi qu’adaptabilité en mode Agile et anglophone.

Contexte : Face à la pandémie de COVID-19, j’ai développé des solutions analytiques avancées pour aider les autorités sanitaires à suivre l’évolution de l’épidémie et anticiper les besoins. Grâce à des Dashboards interactifs et des modèles de machine Learning, mon travail a permis d’optimiser l’allocation des ressources et d’améliorer la prise de décision, tout en garantissant la confidentialité des données. Responsabilités : • Analyse des besoins et définition des objectifs du projet. • Collecte, nettoyage et préparation des données cliniques/histologiques et garantir leur qualité, et fiabilité. • Modélisation prédictive avec ML/DL pour la prédiction des infections COVID-19. • Utilisation de données cliniques et d'imagerie médicale pour meilleur précision. • Conception de Dashboard interactif pour faciliter le suivi et la prise de décision. • Rédaction de rapports analytiques pour suivre les tendances épidémiques. • Insights data-Driven pour optimiser les stratégies sanitaires et les ressources. • Aide à la décision en respectant les normes éthiques et en garantissant la confidentialité des données sensibles. • Collaboration agile en équipe pluridisciplinaire. • Documentation des méthodologies et formation des équipes aux outils développés. Environnement Tech : • Langages & Outils : Python, MATLAB, SQL, Git/GitHub, CI/CD. • Cloud & Data : GCP, ML/DL, traitement d'images. • Gestion de projet : Jira, Confluence, méthodologie Agile. Résultats (Gains et bénéfices) : • Réduction des faux positifs/négatifs, améliorant la fiabilité du dépistage COVID-19. • Allocation optimale des ressources médicales, réduisant les surcharges. • Visualisations interactives facilitant l'ajustement rapide des mesures sanitaires. • Automatisation de l’analyse d’images médicales (DL), accélérant le diagnostic. Connaissances métier : • Maîtrise des données cliniques/biomédicales • Modélisation prédictive et Dataviz • Analyse des indicateurs épidémiologiques et adaptation aux pandémies. • Anonymisation et pseudonymisation conformes au GDPR/HIPAA, homologation des outils de diagnostic. • Collaboration interprofessionnelle. Connaissances sectorielles : • Santé publique (KPIs épidémiologiques). • Imagerie médicale (Images radiologiques, normes DICOM/PACS). • Réglementation médicale (GDPR/HIPAA, homologation et éthique). • Heathcare & Data science en santé. Ce que je retiens de cette mission : Cette mission COVID-19 a renforcé mon expertise en data science médicale, combinant analyse prédictive et connaissance des enjeux de santé publique. J’ai développé des modèles interprétables sur des données sensibles, tout en collaborant avec des équipes médicales dans un cadre réglementaire strictes. Une expérience qui a concrètement amélioré la gestion de crise tout en affinant ma vision éthique de l’IA en santé.