Ronan Maron

# Contexte Intégration au sein d'une équipe de 10 développeurs pour moderniser l'infrastructure de traitement des données des 30 millions de compteurs Linky, avec pour objectif d'améliorer les performances et la fiabilité des traitements à grande échelle. # Missions et réalisations ## Optimisation des traitements Big Data - Développement et refactoring de jobs Spark - Réduction de 40% du temps d'exécution des traitements grâce à l'optimisation des partitions et de la gestion mémoire - Migration de jobs legacy vers Spark 3 ## Industrialisation et qualité - Implémentation d'une stratégie de tests automatisés (unitaires, d'intégration) - Mise en place de pipelines CI/CD (Jenkins) avec validation pré-déploiement ## Monitoring et fiabilité - Conception d'un système de suivi des métriques de traitement - Détection des jobs "vides" (succès sans données traitées) # Environnement technique Spark 3, Java 11, Spring, Scala, Ceph/S3, Git

# Contexte Membre d'une équipe de 3 développeurs en charge d'une plateforme fast data critique traitant des flux temps-réel pour les opérations aéronautiques de compagnies majeures, avec des exigences strictes de disponibilité. # Missions et réalisations - Développement de nouvelles fonctionnalités pour les microservices en Java/Scala - Mise en place d'une stratégie de test (unitaires, intégration, E2E) - Développement de scénarios Robot Framework pour les tests - Élimination des régressions en production # Environnement technique Java 11, Scala, Kafka, MongoDB, OpenShift/Helm, Docker Desktop, CI/CD, SAFe Agile, Robot Framework, JUnit, Postman, SonarQube

# Contexte Premier développeur en mission sur le tout nouveau projet de data lake, avec pour objectif de structurer les données pour les rendre exploitables par les équipes opérationnelles et analytiques. En quasi-autonomie technique pendant la majeure partie de la mission, avec une étroite collaboration avec les équipes KLM consommatrices des données. # Missions - Conception et développement des pipelines de traitement des données brutes - Transformation des données XML/JSON en datasets Parquet structurés - Maintenance opérationnelle et monitoring des jobs en production # Résultats - Croissance du data lake : passage de 5 à 50+ datasets structurés en 2 ans ; intégration de 15+ sources de données hétérogènes. - Amélioration de l'exploitabilité : documentation complète permettant l'adoption par de nouveaux utilisateurs ; réduction du temps d'accès aux données pour les analystes. - Efficacité opérationnelle : stabilité des jobs en production, automatisation des processus réduisant les interventions manuelles ; préparation du terrain pour l'industrialisation avec l'arrivée d'un second développeur. # Environnement technique Spark 2 (Core, SQL, Dataset), Hadoop (HDP 2.6, HDFS, YARN), Kafka, Java 8, Python, PySpark, Bash, Control-M, MongoDB, Spring Boot, Cloud Foundry

Migration d'un logiciel basé sur une base de données SQL Server vers Redmine. - Développement d’un client API REST pour Redmine et modification de l'affichage HTML. Intégration technique en centre de service composé d’une dizaine de personnes. - Réception, packaging, et déploiement des développements (web services SOAP). - Installation en environnements d’intégration et en production. - Rédaction de documentation technique. Environnement technique : Linux Red Hat, scripts shell, Webmin, Redmine, SQL, API REST, XML, HTML, SQL Server

Stage : Définitions de plans d'expérience pour l'évaluation d'analyse génétique des nouveaux marqueurs européens dans le cadre des traces biologiques en criminalistique. • Recherche bibliographique. - Planification expérimentale - Recueil des données avec GeneMapper - Analyses statistiques multivariées avec ade4 - Rédaction d'un rapport sous forme d'article scientifique Environnement technique : R, RStudio, ade4, LaTeX, GeneMapper

Stage : Implémentation sous R de statistiques utilisées pour la validation de méthodes quantitatives. Application à des données en sciences forensiques. Création et mise en place d'une application Web permettant de générer automatiquement des rapports de validation de méthodes de dosage.