Mohamed Kone

Contexte : Conception d’un cadre unifié pour la production, l’industrialisation et la gouvernance des pipelines de données sur AWS, au service de plusieurs directions métiers (financement, garantie, innovation...) - Maintenir et standardisé un framework ETL générique (Spark / Glue) interfacé avec S3, MongoDB, Kafka, Athena - Supervision de pipelines métiers (financement, garantie...) pour automatiser les processus de traitement - Participation à la définition de l’architecture data cible et à la stratégie de gouvernance (accès, conformité RGPD) - Optimisation des flux de données pour garantir efficacité, résilience et performance - Rédaction de la documentation d’architecture technique et fonctionnelle - Mise en place des KPIs métiers et gouvernance de la restitution - Mentorat de développeurs juniors et pilotage de la maintenance applicative - Arbitrage build vs buy, suivi de la dette technique

Contexte : Accompagnement d’une scale-up SaaS dans la création de son pôle data interne, incluant structuration d’équipe, choix d’outils et mise en place d’une stratégie data-driven orientée marketing et croissance. - Structuration d'un pôle data interne, encadrement du recrutement et onboarding - Mise en place d’outils BI et pipelines ML pour les besoins business (marketing, growth) - Création de pipelines de données alimentant des modèles de scoring marketing et de recommandation de leads - Garant de la qualité et de la traçabilité des données utilisées pour l’entraînement des modèles - Audit et réingénierie des pratiques data internes avec un focus performance - Conception d’ETL parallèles et automatisation des intégrations - Construction d’un DWH centralisé, spécification technique et gouvernance - Nettoyage, dédoublonnage et enrichissement de base prospects (sources externes) - Implémentation des standards de qualité de données (catalogue, validation, suivi) - Alignement des processus de traitement avec les exigences RGPD

Contexte : Modernisation des infrastructures analytiques d’un grand groupe industriel, avec migration de data warehouses, adaptation au cloud et réponse aux besoins croissants des équipes business et supply chain. - Replatforming de deux data warehouses de production - Modernisation du code legacy et intégration de nouvelles fonctionnalités - Standardisation des collectes de données et automatisation des expositions métiers - Assistance métier pour la définition des besoins analytiques - Évolution du modèle de données et intégration de sources exogènes

Contexte : Réalisation de projets data de bout en bout pour des clients variés (e-commerce, médias, recherche), intégrant pipelines, modèles ML, APIs et interfaces de restitution. - Conception et déploiement de pipelines de collecte, transformation et exposition - Définition d’environnements de dev / prod et gestion de l’évolutivité de l’infra - Conteneurisation des applications (Docker/K8s), déploiement sur AWS - Entraînement de modèles ML (Word2Vec, YOLO, Mask R-CNN) - Intégration de moteurs de recommandation, détection d’images et reconnaissance faciale - Entraînement et déploiement de modèles ML (Word2Vec, YOLO, Mask R-CNN) pour des moteurs de recommandation et des systèmes de reconnaissance d’image - Collaboration avec les Data Scientists pour la mise en production des fonctionnalités IA

Contexte : Projet de recherche académique visant à expérimenter un nouveau modèle de surveillance réseau basé sur le comportement utilisateur, déployé à l’échelle d’un campus universitaire. - Conception d’un service de surveillance réseau basé utilisateur - Collecte et analyse de trafic via Bro, Snort, Redis - Co-rédaction d’un papier de recherche présenté à la conférence SAM'16