Quentin Abgrall

– Intégré à l'équipe CBM (Conditional based maintainance) du Cluster Ingénierie Ouest, j'interviens sur le développement du "cbm-hybride", une application faisant le pont entre la chaine de traitement CBM1 (historique, en Matlab) et la nouvelle chaine de traitement CBM2 (python). Mon application réceptionne des signalements et états issus de flottes de train (NAT, R2N), confronte ces signalements et états avec des référentiels, puis les enrichit, les stocke, et les envoie à différents partenaires du SI. – Au quotidien, j'ai la charge des tâches suivantes : – Définition de l'architecture cible et sa documentation (diagrammes UML) – Développement complet du backend Python / FastAPI selon les principes de la Clean Architecture, tests unitaires, d'intégration – Intégration avec Kafka pour réception / envoi de messages, postgresql pour le stockage de données – Conteneurisation de l'application pour différents environnements (dev, rec, prod) avec Docker et k8s

– Intégré au service CBM Télédiag du technicentre SNCF de Saint-Pierre des Corps, j'interviens en tant que développeur Python FastAPI / Angular sur un pipeline de code qui embarque des traitements Machine Learning. Ce projet innovant consiste à analyser des ensembles de courbes (les cycles) produites par des équipements à bord des trains (portes, batterie, bloc moteur etc) et de faciliter l'analyse de ces données et détecter les potentielles défaillances des équipements à venir. – Au quotidien, je développe plusieurs briques au sein de ce pipeline, comme : – Le front, basé sur Angular, qui permet à un utilisateur de glisser déposer une archive .zip contenant les courbes à analyser – Le back, basé sur Python / FastAPI qui effectue l'ensemble des validations nécessaires sur l'archive – Un étage de production d'indicateurs (qui embarque des étapes de réduction de dimensionnalité, et d'embedding : FAMD et UMAP) – Un étage de clusterisation des résultats et de dataviz (matplotlib) (HDBSCAN) – J'interviens également sur le packaging et l'orchestration de la solution, en utilisant – Un pipeline Gitlab pour le déploiement – Docker et Compose pour l'orchestration sur la machine cible

– Intégré au service CBM Télédiag du technicentre de maintenance de la SNCF de Saint Pierre des Corps, j'ai la charge de faire évoluer le GDS (Guide de Dépannage Simplifié). Cette application web fournit aux dépanneurs des trains un ensemble de causes potentielles pour les défaillances composant qu'ils observent, ainsi que des correctifs à apporter pour corriger ces défaillances. On peut voir cette application comme étant une aide au dépannage. J'interviens sur l'ensemble du développement, à la fois côté Front et côté Back. – Côté Back j'utilise Python / Flask, ainsi que PostgreSQL pour la base de données – Côté Front j'utilise HTML / Bootstrap / JQuery – Test unitaires faits avec Pytest – Le tout versionné sous GIT