Samir EL AISSAOUY

Au sein de la Digital Factory de TotalEnergies, j'ai contribué à deux projets data end-to-end en tant que Data Engineer - ingestion, transformation, qualité et restitution - en environnement cloud Azure/AWS et Agile/Scrum. Projet 1 - NOD | Supervision des actifs renouvelables Plateforme de centralisation et d'analyse des données de parcs solaires et éoliens pour améliorer performances et sécurité opérationnelle. → Pipelines ETL/ELT de collecte des données API et capteurs IoT (production, vent, températures) vers AWS et Azure Databricks → Architecture Medallion (Bronze/Silver/Gold) sur Data Lake → Règles de Data Quality sur les flux entrants : valeurs aberrantes, données manquantes, ruptures de séquence → Tableaux de bord Power BI - suivi des KPIs par site, technologie et région → Tests unitaires et documentation Confluence Stack : AWS (S3, RDS, Lambda, Kinesis, IoT Core) · Azure Databricks · PySpark · Python · SQL · Power BI · GitHub Projet 2 - Valbenne | Valorisation de déchets en biogaz Plateforme de mise en relation entre producteurs de biomasse et unités de méthanisation dans le cadre de la stratégie gaz renouvelables de TotalEnergies. → Pipelines ETL/ELT AWS pour la collecte, transformation et exposition des données de la plateforme → Data Lake AWS S3 en architecture Medallion avec contrôles qualité automatisés et alerting sur les anomalies → CI/CD via GitHub Actions, tests unitaires et documentation Stack : Python · PySpark · SQL · AWS (S3, Lambda, ECS, RDS Aurora, CloudWatch, SNS) · Airflow · Terraform · GitHub Actions

Au sein de l'équipe Data Governance & Strategy, contribution à l'optimisation de la gouvernance des données - détection de redondances et cartographie de l'infrastructure data du groupe. Projet : Data Ecology Framework : Détection de redondances de données Réduction des coûts cloud par identification des duplications de données à grande échelle sur Databricks. - État de l'art scientifique sur la similarité de données et de schémas : réseaux siamois, mécanismes d'attention, hashing et détection de redondances ontologiques - benchmark des approches et recommandations - Cartographie de l'infrastructure data du groupe : identification des sources, structures et formats de données existants pour établir une vue unifiée du patrimoine data - Conception et développement d'une solution de détection de redondances sur Databricks (PySpark) - similarité des métadonnées (hashing, distances entre chaînes) et similarité du contenu (réseaux siamois, CNN) - Configuration d'une connexion Databricks - Palantir Foundry pour l'extraction et l'analyse de l'ontologie data au format JSON, permettant la détection de redondances ontologiques entre entités - Participation à la configuration des connecteurs Power BI vers Azure Databricks et Snowflake pour l'accès direct aux données du data lake et la restitution des résultats aux équipes métier - Documentation sur Git Stack : Python, PySpark, SQL, Azure Databricks, Snowflake, Palantir Foundry, Power BI, Plotly, Deep Learning, Git