Yahia Maamar

– J'ai intégré l'équipe GoDataset Contrôle de Gestion, dont la mission est de collecter, structurer et transformer les données pour répondre aux besoins métiers en reporting et en suivi, notamment pour des thématiques comme le Crédit d'Impôt Recherche et Innovation. Ce travail s'inscrit dans un projet de migration vers le cloud AWS, où les données sont directement extraites du datalake. – Mise en place de l'architecture médaillon (Bronze, Silver, Gold) pour organiser et transformer les données de manière progressive et structurée. – Gestion et provisionnement des ressources AWS à l'aide de Terraform (laC). – Utilisation du Data Catalog d'AWS Glue pour référencer les tables et permettre leur interrogation via Athena. – Développement de pipelines d'intégration des données en PySpark sur AWS Glue. – Analyse et amélioration des applications Spark existantes pour maximiser leur efficacité. – Mise en place de la surveillance proactive avec Datadog. – Documentation du data lineage via DataGalaxy pour retracer l'origine et le parcours des données. – Automatisation des workflows : Orchestration des jobs Glue avec AWS Step Functions pour gérer les enchaînements et exécutions. – Création de pipelines CI/CD sous Jenkins avec intégration de Sonar pour garantir la qualité du code et le déploiement continu. – Déploiement des releases dans JFrog Artifactory pour assurer la traçabilité et la conformité. – Rédaction des supports techniques et fonctionnels pour assurer la pérennité des connaissances.

– Projet de développement d'une solution de reporting pour bailleurs et clients (Global Reporting). – Mise à jour et maintenance du code de l'application, notamment les intégrations avec Elasticsearch pour l'indexation et la recherche des données. – Développement de pipelines de données avec Azure Data Factory et Data Flow : – Conception et implémentation de pipelines de données pour ingérer, transformer et charger les données d'inventaire (CSV) et financières (bases de données SQL) dans un stockage centralisé. – Optimisation des performances et de la scalabilité des pipelines pour gérer l'auto-scaling. – Mise en place de contrôles de qualité, de gestion des erreurs et de journalisation. – Développement d'APIs pour alimenter les tableaux de bord et les rapports stratégiques. – Création et maintenance des Reporting et Applications Power BI (KPI).

– Projet de migration de données et mise en place d'une Intelligence Artificielle permettant de supporter le processus de régulation du trafic portuaire. – L'accompagnement des équipes techniques dans le choix des solutions Big Data – Prétraitement des données pour assurer la qualité et la pertinence des données d'entraînement. – Conception et développement de solutions d'intelligence artificielle orientées Time Series en utilisant des techniques telles que ARIMA et PROPHET pour la modélisation de séries temporelles. – Mise en œuvre de tests spécifiques pour évaluer la précision et la performance des modèles. – Orchestration des workflows et automatisation des pipelines de données avec Apache Airflow,

– Auprès de l'équipe Quality of Data, assurer la qualité des données liées au déploiement en propre et en masse de la fibre optique Bouygues Télécoms, en veillant à ce qu'elles soient alignées sur les exigences métier. – Dirigé l'analyse des besoins et la conception des solutions pour les projets télécom . – Conduit les activités des tests unitaires, tests d'intégration et tests de performances, assurant ainsi la stabilité et les performances des systèmes (Pytest). – Supervisé une équipe multidisciplinaire dans toutes les phases du projet, en fournissant un soutien technique, en assurant le suivi des problèmes et en maintenant des normes de qualité élevées. – Garantir la qualité du code grâce à des processus rigoureux de revue de code. – Mettre en place des rapports d'assurance qualité pour assurer la qualité des solutions développées.

– Expertis Decision est un éditeur de logiciels métier au service des acteurs de l'assurance. Intervention en tant que Data Scientist sur plusieurs projets pour développer le portefeuille de service : – Mise en place d'une intelligence artificielle (computer vision) pour la validation et récupération des données à partir d'une Carte grise ou d'un numéro de chassis. – Mise en place d'une intelligence artificielle pour la prédiction des pièces de voiture à acheter et si leur prix va évoluer dans un intervalle d'une semaine à un mois. – Création de tâches planifiées (scheduler) pour la collecte (Base de donnée, web Scraping), le traitement et le reporting concernant différente compagnie d'assurance (API Rest) – Utilisation d'Amazon EMR pour le traitement de grandes quantités de données, exploitant la flexibilité et l'évolutivité des clusters gérés. – Automatisation des tests spécifiques à chaque itération du pipeline (PYTEST), – Intégration des tests dans le pipeline CI/CD pour garantir que le modèle passe les tests avant d'être déployé en production, en utilisant des outils tels que GITHUB ACTION. – Création d'un environnement d'exécution reproductible en utilisant du DOCKER. – Versionnèrent du code avec du GIT. – Déploiement et mise en production des modèles sous forme d'applications web ou d'API “Flask". – Gestion agile de projets complexes avec Trello. – Collaboration étroite avec les équipes de science des données, les ingénieurs logiciels et les parties prenantes métier pour intégrer les retours d'expérience dans le processus d'amélioration continue.