YASSIR SEDJARI

– Mise en place d'une plateforme BI Connected Vehicle sur GCP (Pub/Sub, GCS, SQL, LookML), avec pipelines data automatisés et dashboards CCS orientés performance, qualité et décisionnel exécutif. – Conception et déploiement d'une solution Bl scalable sur Google Cloud Platform (GCP) pour les besoins de dashboarding CCS. – Mise en place de pipelines de données automatisés (ingestion, transformation, exposition) orchestrés avec Airflow, s'appuyant sur Pub/Sub, Cloud Storage (GCS) et SQL. – Modélisation des données et création de la couche sémantique via LookML, garantissant cohérence, fiabilité et standardisation des indicateurs. – Développement de tableaux de bord analytiques pour le suivi de la performance des véhicules et services connectés. – Analyse des tendances qualité et production de reportings stratégiques à destination des équipes Engineering et du top management (VP). – Mise en œuvre de pipelines CI/CD avec GitLab pour le déploiement et la maintenance des workflows Airflow, modèles LookML et assets data. – Optimisation des performances, de la qualité et de la gouvernance des données (requêtes SQL, fiabilité des pipelines, monitoring).

– Mise en place de pipelines pour collecter, transformer et stocker de grands volumes de données (CRM, data usage, logs réseau) avec Dataflow, BigQuery.

– Conception, transformation et publication de données clients (CRM, usage) pour alimenter la connaissance client. – Pilotage de projets, support métier, évolution des plateformes Big Data (Teradata, Hadoop) – Mise en place de solutions automatisées sur GCP avec Terraform. – Déploiement CI/CD via Gitlab CI, Ansible et scripting Python. – Diagnostic et correction des incidents, participation aux conceptions détaillées, – Mise en place d'un processus d'ingestion automatisé de fichiers vers GCP: – Dépôt des fichiers sur Cloud Storage via API, SFTP ou flux partenaires. – Déclenchement automatique via Cloud Functions sur événement (finalize, delete, metadata update). – Développement de Cloud Functions Python pour : – Valider la structure et les métadonnées des fichiers entrants (naming, format, taille, date...), – Effectuer des traitements préliminaires (nettoyage, parsing, filtrage), – Déclencher des jobs en aval (ex.: lancement de Dataflow, appel API ou déclenchement de DAG Airflow). – Intégration des données externes de type fichier, appel de webservice ou consommation de TOPIC (Webmethod universal messager et Kafka)

– Développeur Big Data chez Orange France sur le projet – Profiling TV – Mieux cibler les clients en leur proposant des bouquets TV qui leur conviennent – Aider les clients en leur recommandant les contenus TV qui peuvent les intéresser parmi les nombreux choix auxquels ils sont confrontés, par la production de profils de consommation TV. (projet One Reco TV). – Gérer la maintenance évolutive et corrective des différents modules techniques permettant d'opérer la dataplateforme – Cibler les clients pour personnaliser leur écran (web, mobile, TV) et leur proposer des offres ou produit Orange à partir de leur navigation web et connaissance client – Alimenter les Analytics et Reporting de consommation TV – Développement et résolution des User Story – La méthode Agile / JIRA/CONFLUENCE – Les projets et leur gestion: Gitlab – Artifactory/Kibana – HUE(les coordinateurs, les workflows, les données) – L'infrastructure Big Data: Hadoop / GCP – Procedure de MEP – Outils et technologie: big query, cloud storage, cloud functions, ingest, secret manager, workflow, java, oozie, zeepline, scala, spark, maven, jpa, spring boot

– Migrating IBM Operational Decision Manager to the Amazon Web Services cloud – Développement des jobs Pyspark (pycharm) – Réalisation des test unitaire sur Éclipse – ODM DS and DC 8.9 Installation on WAS ND 8.5.5.20 – Rule Engine Solutions in python

– Objectif: Implémentation d'un Dashboard dynamique qui indique le cout des cours boursier – ML: réseau de neurones récurrents avec LSTM – La méthode des moyennes mobiles – Consommation des données Via Kafka – Système d'analyse de sentiments pour la prédiction des cours boursiers – Développement de job Spark (PySpark) streaming d'une gestion dans HDFS – Développement de job python (librairie flask) pour la visualisation des Dashboard en temps réel.

– Collection, Analyse et interprétation de données brutes des acteurs économiques marocains (entreprises, médecins, laboratoires, avocats) à partir de différents sites Web en utilisant beautifulsoup and sélénium – Extraire le secteur d'activité du texte de description des entreprises à l'aide de la modélisation thématique. – Création d'un système de recherche multicritères qui interagit avec l'ensemble de données à l'aide de Flask.