meryll levet

Création d'une solution de référentiel de client in-house (MDM) [Développement Python] - développement d'API en fastAPI - application des designs d'architecture: microservice et clean architecture - gestion et optimisation de la base de données snowflake et création des modèles de données. - mise en place de bonnes pratiques (code, tests, CI/CD) et processus agiles pour garantir qualité et efficacité des livrables. [Azure] - gestion des ressources - déploiement du service bus (mode topic) - déploiement de l'api management - déploiement d'azure fonction [DevOps] - mise en production des API sur le cloud snowflake - gestion des pipelines CI/CD - application des principes SRE. Impact : Migration d'une solution MDM "off-the-shelf" vers notre solution in-house. Gestion des clients en temps réel (anciennement en batch) Augmentation de la fiabilité du référentiel client de 40% Réduction des erreurs de traitement de 20%

[Tech Lead] - Encadrement d’équipe : Gestion quotidienne de l’équipe Data, garant de la qualité technique des livrables. - Leadership technique : Accompagnement des Data Engineers sur les bonnes pratiques de développement, standardisation de la base de code (linting, tests, revues, intégration continue). - Responsabilité des projets : Design, développement et optimisation des architectures Data Platform pour répondre aux besoins. - Optimisation : Optimisation des coûts d’infrastructure tout en assurant la sécurité, la conformité et la gouvernance des données [DevOps] - Industrialisation de l'infrastructure : Conception, déploiement et maintien d’une plateforme Data hybride (on-premise et GCP), avec gestion d’infrastructure as code (Terraform, Ansible). - Automatisation : Maîtrise de la conteneurisation, mise en place et gestion des pipelines CI/CD pour garantir une intégration continue efficace. - Maintien en condition opérationnelle : Suivi des bonnes pratiques SRE (monitoring, alerting, SLOs) pour assurer la fiabilité et la sécurité des systèmes en production avec gestion des incidents [Data Engineering] - Développement de pipelines : Conception et développement de pipelines de données (batch et streaming) sur Kafka, Dataflow, BigQuery, Cloud Functions et autres technologies GCP. - Optimisation des coûts et performances : Amélioration continue des pipelines de transformation et de leurs performances - Gestion des données: Gestion des bases de données OLAP et OLTP (BigQuery, Postgres, SQL Server) et des modèles de données pour assurer performance et scalabilité. Impact : Transformation d’un projet majeur avec migration réussie vers le cloud, optimisation des coûts et des performances, et garantie de la fiabilité des plateformes en production

[Développeur Python] - Développement logiciel: Conception et développement de codes pour des systèmes embarqués avec architecture "event-driven" - Qualité des livrables: mise en œuvre des bonnes pratiques de développement dans l’équipe (linting, test, review) [Data Engineering] - Développement de pipelines : Conception et développement de pipelines de données (batch) pour les algorithmes de ML - Déploiement de solution ML: développement et mise en production d'algorithmes avancés : CNN, LSTM [DevOps] - Maintien en condition opérationnelle: avec gestion des incidents en production - Automatisation: mise en place de l’intégration continue pour assurer la qualité et la fiabilité des livrables Impact : Amélioration de l’expérience utilisateur sur les recommandations musicales proposées par le produit, conduisant à une augmentation de 10% du NPS (Net Promoter Score)

[Conception et développement d’applications web] Exemple de réalisation: application de gestion des ressources humaines (200 collaborateurs), application de gestion des marchés publiques (contrat de plusieurs millions d’euro)

Skills: Java Enterprise Edition

[Développement d’une librairie python d’algorithmes de calcul] - bibliographie scientifique pour le sélectionner les algorithmes de calcul - développement d’une package python contenant les algorithmes de calcul - binding python/C pour l’optimisation des performances CPU

[Développement d’une librairie python d’algorithmes de calcul] - bibliographie scientifique pour le sélectionner les algorithmes de calcul - développement d’une package python contenant les algorithmes de calcul - binding python/C pour l’optimisation des performances CPU