M'hand Glilah

Dans le cadre de ma mission en tant que consultant Big Data, j’ai développé des scripts sous PySpark pour le chargement des données brutes (fichiers CSV du flux CFT) dans le Datahub. J'ai également assuré la récupération des données via des API internes afin d’intégrer les flux spécifiques des clients LBP et BPI.

Mission : ICDC

En tant que consultant Big Data, j'ai participé à l'enrichissement du référentiel nom/prénom en utilisant le parsing des fichiers XML des PICs, le web scraping et la consommation de topics Kafka, sous PySpark/Hive. J'ai également préparé les données pour l'entraînement des modèles de parsing d'adresses, avec Spark/Scala et Java.

Dans le cadre de ma mission Big Data chez La Banque Postale, j'ai conçu et déployé des solutions pour l'ingestion et le traitement de fichiers multi-structures, tout en optimisant les processus métiers et en facilitant une prise de décision basée sur les données.

Mission : La banque postale

Dans le cadre de la valorisation des données fonctionnelles et techniques en provenance des APIs et des microservices banque, la R&D de Sopra Banking software a mis une place une architecture Data capable de répondre à ce besoin et ces exigences. La mission consiste à la collecte (NiFi, Kafka,fluentd), le stockage (base NoSql), la transformation (Spark, Elastic Search), l’exploration et l’exposition (Data Viz) des données sortantes des microservices, à fin de donner une visibilité sous forme de KPIs ( Key performance indicators) métiers, qui illustre le nombre des connexions des transactions des clients des banques. Ainsi, superviser l’ensemble des appels APIs ( API Gateway).

Dans le cadre de la segmentation d’images couleurs, nous avons affaire à un grand flot de données dont il faut extraire des classes sans connaissance a priori. Les méthodes de classification non supervisée sont alors utilisées : elles consistent à décomposer l’ensemble de données en classes telle que des points appartenant à la même classe soient le plus semblables possible . L'objet de mon stage était de développer en FORTRAN et plusieurs méthodes de classification, et le portage du code en PYTHON et le développement d’une maquette reprenant le clustering par ces méthodes.

La simulation numérique est un outil fondamental de la modélisation et de la conception de procédés industriels complexes de séparation de phases. Le projet ALCOS vise a développer des algorithmes spécifiques pour des problèmes liés à la thermodynamique appliquée et à la théorie de séparation. L'objet de mon stage était de développer une méthode innovante pour le calcul de courbes d'univolatilité dans le cadre de distillation de mélanges ternaires. La méthode de calcul réalisée s'est basé sur le logiciel HamPath, notamment sur les méthodes différentielles de suivi de chemin couplées à des techniques de différentiation automatique. Langages utilisés : Matlab, Fortran.