Yanis Chaibi

Amélioration de la précision des prévisions de production d'un parc éolien par benchmark de méthodes de séries temporelles : – Recherche bibliographique et état de l'art sur les Foundation Models appliqués aux séries temporelles – Benchmark de modèles ML et DL probabilistes (statistiques, LSTM, LGBM, XGBOOST, Foundation Models, etc.) – Fine-tuning et adaptation sur données de production réelles – Mise en production des modèles retenus et intégration dans le pipeline de prévision existant – Restitution des résultats et recommandations aux équipes métier

Standardisation des pratiques de développement et de mise en production des modèles ML au sein de la R&D : – Conception et développement d'une librairie Python établissant un socle commun pour les pipelines de data processing et de ML – Définition des conventions, mise en place des tests unitaires et de l'intégration continue – Accompagnement des équipes dans l'adoption du framework

Industrialisation du suivi qualité et performance des modèles prédictifs à l'échelle du service R&D : – Conception d'un framework web de monitoring généralisable à l'ensemble des modèles prédictifs du service – Suivi quotidien des performances, détection de drift et historique des performances – Intégration du shadow testing et de l'explicabilité (SHAP) – Rédaction de la documentation technique et fonctionnelle

Exposition unifiée des inférences des modèles prédictifs probabilistes en production : – Conception et développement d'une API REST exposant les inférences des modèles en production – Interfaçage avec l'application de monitoring et les clients internes – Centralisation des métriques de suivi

Mise à disposition des clients cloud d'un suivi en temps réel de leur consommation en stockage et CPU : – Conception du modèle conceptuel de données (MCD) et de l'architecture associée – Mise en place de la base de données – Conception d'une maquette de dashboard client et définition des indicateurs de consommation

Développement d'applications décisionnelles pour les membres du CODIR (directions commerciale, financière, opérationnelle, marketing, RH) : – Recueil des besoins et cadrage par direction – Modélisation des indicateurs et conception des tableaux de bord – Développement, déploiement et maintenance des applications en production

Consolidation des données issues des différents outils internes dans une base unifiée : – Modélisation de la base de données – Développement des flux d'alimentation ETL depuis les outils sources