Salmen Lazrek

– Collaboration avec les équipes métiers pour la définition des besoins – Rédaction et gestion de la documentation technique et fonctionnelle – Participation aux choix techniques et aux bonnes pratiques d'implémentation – Animation des rituels Scrum et coordination avec les équipes produit et engineering – Estimation des charges techniques et planification des sprints – Microservices cloud-native haute disponibilité en Python (FastAPI, uvicorn) – Architecture event-driven avec Redis Streams pour le traitement des flux asynchrones en temps réel – Implémentation de mécanismes de validation des données avec Pydantic – Orchestration de tâches asynchrones avec Celery, RabbitMQ et Redis Streams – APIs RESTful sécurisées avec gestion des timeouts, fallbacks et rate-limiting – Routage intelligent des appels API vers des services externes (LLM, stockage) – Modélisation et optimisation des requêtes SQL sur PostgreSQL pour fortes volumétries – Performance et optimisation des traitements de données volumineuses – Transformation et préparation de données multi-formats pour l'alimentation de modèles et services IA – Automatisation de processus internes via scripts Bash et pipelines de données – Intégration dans un environnement event-driven avec gestion de la concurrence et des accès parallèles – Scripts Bash pour l'automatisation des traitements de données et le provisioning applicatif – Chaînes CI/CD avec GitHub Actions et GitLab CI – Conteneurisation Docker et orchestration Kubernetes – Monitoring et observabilité avec Prometheus, Grafana (métriques, traces, alerting) – Administration et déploiement sur systèmes Linux – Services cloud GCP et AWS (Lambda, S3, API Gateway) – Gestion des environnements de développement, staging et production

– Analyse et chiffrage des besoins fonctionnels et techniques – Participation aux rituels SCRUM et coordination Produit / DevOps – Suivi du backlog sous JIRA et rédaction de documentation technique sur Confluence – Intégration continue des retours utilisateurs dans les cycles de sprint – Participation aux choix techniques et bonnes pratiques d'implémentation – Réintégration et modernisation d'APIs historiques vers une architecture microservices FastAPI – Architecture event-driven avec RabbitMQ, Redis et Redis Streams pour les flux asynchrones entre services – Haute disponibilité : parallélisation, asyncio et stratégies de fallback pour résilience – Accès et persistance via SQLAlchemy, Alembic sur PostgreSQL, optimisation de requêtes complexes – Pydantic et OpenAPI pour validation stricte et schémas – Tests unitaires et d'intégration avec pytest – Revues de code, optimisation et documentation technique – Principes SOLID et Clean Architecture – Authentification sécurisée (JWT, OAuth 2.0) – Traitements asynchrones avec asyncio, Celery et Redis Streams – Automatisation de processus internes et scripts de maintenance – Parallélisation des appels inter-services avec asyncio et gestion concurrente des flux – Optimisation de requêtes SQL complexes (jointures, CTEs, window functions) sur PostgreSQL – CI/CD avec GitLab CI – Conteneurisation Docker et orchestration Kubernetes – Infrastructure as Code avec Terraform – Déploiements cloud hybrides AWS, administration Linux – Scripts Shell pour l'administration système et l'automatisation des déploiements Docker – Monitoring et observabilité avec Grafana, Prometheus et Datadog

– Analyse et estimation des user stories avec approche data-driven – Participation active aux rituels agiles (Daily, Sprint Planning, Reviews, Rétrospectives) – Gestion des livrables en sprint et documentation technique sur Confluence – Estimation des charges et priorisation des travaux techniques – Back-end Python / Flask avec APIs RESTful haute volumétrie – APIs RESTful sécurisées (JWT, OAuth 2.0, protections CSRF/XSS) – Validation et sérialisation avec Pydantic – Optimisation des requêtes SQL pour fortes volumétries (PostgreSQL) – Pipelines ETL avec Airflow et traitement asynchrone avec Celery – Orchestration asynchrone (RabbitMQ, Redis, Redis Streams) et architecture event-driven – Migrations de schéma avec Alembic et SQLAlchemy – Tests unitaires et d'intégration avec pytest – Orchestration de traitements asynchrones distribués pour le calcul de recommandations – Automatisation de processus internes et scripts Bash pour les traitements batch – Intégration de modèles de classification et régression dans les APIs de production (Scikit-Learn) – Développement d'APIs de recommandation pour l'optimisation des commandes – Préparation et transformation de données volumineuses (Pandas, NumPy) pour l'apprentissage et les tests des modèles ML – Conteneurisation Docker et orchestration Kubernetes – CI/CD avec GitLab CI – Outils cloud GCP et AWS via LocalStack – Systèmes Linux Ubuntu, administration et déploiement – Scripts Shell d'exploitation : automatisation des déploiements et supervision – Monitoring avec Grafana et Prometheus (métriques, alerting)