Rassim Amoura

Conception d'une solution data end-to-end pour la collecte, l'anonymisation et la valorisation de données médicales, en collaboration avec des professionnels de santé (orthophonistes). Principales réalisations : • Architecture de collecte et anonymisation des données médicales (RGPD) : flux, pseudonymisation • Pipelines ETL complets : collecte, nettoyage, transformation et chargement en base relationnelle • Modélisation des schémas de tables pour l'entraînement des modèles ML • Déploiement en production via FastAPI, Docker, AWS Env. technique : Python │ FastAPI │ Docker │ AWS │ Scikit-learn │ SQL │ Gi

Développement de pipelines ETL automatisés (Talend, Airflow, Python,DBT) Traitement de données sur Oracle et Snowflake + scripts PL/SQL et Shell Evolutions de traitements COBOL pour systèmes CNAM Documentation technique, tests unitaires/intégration (SFD, STD) Projet stratégique > 450 000 € de CA

Mission au sein d'un grand groupe assurantiel. Analyse de données financières et suivi des flux SI, en lien avec les équipes métier (finance, actuariat, conformité) et la MOA. Principales réalisations : • Suivi et analyse des flux SI : contrôle de la cohérence des données injectées, qualification des écarts • Analyse sur GCP/BigQuery : suivi des KPI de pilotage, synthèses pour les équipes finance et actuariat • Coordination MOA/MOE : recueil des besoins, rédaction des spécifications fonctionnelles, restitution des analyses • Analyse d'impacts SI : qualification des anomalies, évaluation des impacts sur les flux aval, remontée aux équipes décisionnelles • Résultats : amélioration de la rigueur des analyses budgétaires et de la visibilité décisionnelle Env. technique : BigQuery │ GCP │ SQL │ Dynatrace │ JIRA

Aide à la décision : Développement d'un réseau neuronal pour aider les éducateurs de la petite enfance à détecter les troubles chez les enfants d'âge préscolaire, afin d'améliorer le suivi individuel et proposer des solutions adaptées. IA Générative : Conception d'un réseau de neurones convolutifs (CNN,RNN,LLM) pour générer des légendes d’images et effectuer une classification multiple, visant à automatiser l’analyse et l’annotation d’images. Big Data : Développement d’un système décisionnel pour le suivi médical des patients, visant à centraliser et analyser les données pour améliorer la prise de décision clinique. Data Science (ML) : Création d’un modèle de machine learning pour prédire l’attrition des employés, dans le but d’anticiper les départs et d’identifier des solutions pour renforcer la rétention.

Création de tableaux de bord (Power BI, SAP Analytics Cloud) pour une chaîne d’hôtels, permettant d’analyser les périodes à forte influence et d’ajuster les prix, améliorant ainsi la gestion budgétaire.

Développement de solutions web pour 5 clients, incluant la création d’une application e-commerce. Recueil et communication des besoins clients pour proposer des designs UI personnalisés, et génération de 15 000 € de revenus.