Lamyae BELAOUCHI

- Analyse des besoins métiers et conception de solutions techniques adaptées. - Conception et maintenance de pipelines de données pour automatiser des processus industriels. (temps réduit à 40 secondes) - Automatisation de rapports de suivi et d’indicateurs métier à l’aide de scripts Python. - Optimisation des processus ETL pour la collecte et le traitement de données. (Python) - Développement d’une application web permettant d'explorer les résultats de sortie. (FastAPI) - Collaboration avec les différentes équipes pour assurer l'intégration de l'outil.

- Recueil des besoins utilisateurs et modélisation des indicateurs métiers. - Création de requêtes SQL optimisées pour l’extraction de données stratégiques. (SAP Business Object) - Modélisation et extraction d’informations clés via NLP sur plus de 7 000 tickets, avec fine-tuning de modèles pré-entraînés. - Développement des modèles de Machine Learning pour clustering. (cohérence estimée à 85 %) - Structuration, modélisation et fiabilisation des données pour l’analyse et la visualisation. - Création de dashboards pour le suivi des performances. (Power BI) - Développement d’un système IA de correspondance consultants/opportunités. - Conception et optimisation de pipelines de données à partir de documents avec AWS S3 et Amazon Comprehend. - Automatisation des workflows pour le traitement des documents via AWS Lambda. (500 fichiers Word et PDF)

- Mise en oeuvre de pipelines CI/CD pour déployer des modèles d’apprentissage. - Automatisation et orchestration des pipelines de données avec Kubeflow. - Utilisation de Kubernetes et Docker pour containeriser les processus de données. - Déploiement des modèles de machine learning en production à l'aide de Kserve.