Wessim Slimi

- Architecture et déploiement de systèmes de streaming end-to-end : Dirigé la conception d’un pipeline à faible latence (5s) pour le streaming de données via divers protocoles (MQTT, OPC-UA), utilisant Apache Kafka pour l’ingestion et Apache Flink pour le traitement de données en temps réel (e.g., agrégations fenêtres, détectiond’anomalies). Scalé pour traiter 1M événements/sec avec moins de 5s de latence. - Pont entre technique et business : Point de contact direct des scientifiques R&D, des analystes et des experts métiers pour définir et comprendre profondément les besoins opérationnels, traduire les exigences business en solutions techniques scalables et guider les choix architecturaux et d’implémentation. - Création d’un Data Lake modulaire : Implémentation d’un data Lakehouse sous Apache Iceberg sur S3 via AWS Glue Catalogs avec des politiques fines d’AWS IAM, permettant un accès sans copie via Snowflake. Optimisation des métadonnées/partitions pour des requêtes 50% plus rapides par rapport à l’ancienne configuration Hive. - Migration des traitements de données legacy vers AWS : Remplacé des requêtes procédures SQL legacy sur Snowflake par des workflows serverless (Lambda, Step Functions) et un traitement hybride batch/streaming (Apache Spark, Apache Flink, Apache Airflow). Réduit les coûts infra de 30% - Mise en place et gestion d’un cluster Kafka mission-critical : Mis en place et Administration d’un cluster Kafka de 15+ brokers avec un SLA de disponibilité de 99,99% pour soutenir un traitement à faible latence. Technologies: AWS (MSK, Kinesis, Glue, S3, Lambda, Step Functions, EMR), Apache Kafka, Apache Flink, Apache Spark, Airflow, Iceberg, Snowflake, Java, Scala, Python, SQL, Docker, Terraform, Git, Gitlab

Consultant en Data pour EDF Renouvelables Product Owner Stream Data • Organisation et animation d’échanges continus pour élaborer et définir les besoins métiers en projets Data. • Supervision et agencement du développement et la livraison des produits Data. • Formulation et priorisation des besoins Data. • Elaboration de la Backlog et de la Roadmap Data. • Rédaction des User Stories et leurs retranscriptions en Features. Data Scientist • Développement de modèles Machine Learning pour répondre à des besoins métiers en : Maintenance Prédictive : - Développement de modèles à base de Jumeaux Numériques ayant pour but la prédiction de pannes électriques sur des Eoliennes - Estimation de l’âge d’une Eolienne - Développement de modèles ML ayant pour but la détection de Givre au niveau d’une pale d’Eolienne à partir de données vibratoires Maintenance Conditionnelle : - Contribution à l’élaboration d’algorithmes visant la détection de la sous-performance d’un asset énergétique :Eolienne et Panneau Photovoltaïque - Développement d’algorithme ayant pour but le monitoring et la détection d’intrusion dans des parcs Eoliens ou Photovoltaïques. Data Engineering • Mise en place et création des différents Pipelines de données utilisées. • Déploiement, Maintenance et monitoring des modèles ML utilisés. • Scheduling de scripts Python via Chrontab ou SystemCTL Technologies utilisées : Python, Scikitlearn, Catboost, Linux, ChronTab, SystemCTL, PI Osisoft, PI AssetFramework, PI WebAPI Notions utilisées : - Agile - Maintenance Predictive - Maintenance Conditionnelle - Machine Learning: Regression, Classification, Clustering, Jumeaux Numériques

• Prédiction et calcul de la probabilité de résiliation d'un contrat d'assurance: Classifieur binaire, Réseaux de Neurones, Random Forest, XGboost, Catboost, Classification Bayésienne, Classification non bayésienne • Modélisation de l'élasticité au prix : Features Importance, Shapley Values, Partial Dependance Plots • Optimisation de la prime commerciale : Résolution de problème d'Optimisation Convexe sous contraintes Environnement de développement : - Python - ML : Tensorflow, Scikit-learn - Big Data : Microsoft Azure, Data Bricks, Pyspark, Spark

• Object Detection: Automation of object detection in packshots for e-commerce web sites. • Image Upscaling: Developpement a GAN based algorithm for image upscaling without blurring • Image Segmentation: Developpement an Image Segmentation based algorithm to detect the background from the the foreground in an image • Automation of image classification according to the angle of the shot (American shot, full product, Closeup, Zoom) • Automation of image classification according to product layout • Creation of a Web application via FLASK to deploy the models created Python: Tensorflow, Scikitlearn, Pandas, SQL, PCA, SVM, CNN, RNN, GAN, Features Engineering

• Contribution to the creation of Dashboard to visualize certain internal indicators • Handling and extracting data from a Datalake • Implementation of calculation and processing algorithms via HADOOP clusters • Development of automation algorithms for real-time data visualization • Contribution to the Networks and Systems administration for certain bank branches • Establishment and Rooting of an agency's internal network