نبذة عني
Bonjour,
Je me présente: Khaled, Data & MLOps Engineer.
je vais faire court
•💡 22 500 € d’économies réalisées pour mon entreprise grâce à un monitoring des consommations fournisseurs
•🔧 4+ ans d’expérience en Python …
Bonjour,
Je me présente: Khaled, Data & MLOps Engineer.
je vais faire court
•💡 22 500 € d’économies réalisées pour mon entreprise grâce à un monitoring des consommations fournisseurs
•🔧 4+ ans d’expérience en Python et SQL
•⚙️ Conception de pipelines Big Data scalables (Spark, Kafka, Airflow)
•🤖 Déploiement de modèles ML avec MLflow, FastAPI et Docker
•☁️ Expérience sur Databricks, Dataiku, Power BI
Si mon profil vous intéresse, je serais ravi d’échanger avec vous
الخبرة
Data Analyst
<p>• Développement d’un outil décisionnel pour la gestion de transport des employés avec Python (Pandas, Numpy, Tkinter...) et Vrp.</p><p>• Gestion des données avec PostgreSQL.</p><p>• Intégration de Power BI pour l’</p><p>aide à la décision</p><p>• Collecte, nettoyage et analyse des données avec Python</p>
Développeur Odoo
<ul><li>Création d’un module personnalisé de gestion de recrutement dans le progiciel Odoo en utilisant Python, Xml et Javascript., </li><li>Développement du nouveau module Backend Frontend avec Python (POO)</li></ul>
Développeur Python pour l’Optimisation
<p>Développement d’un outil décisionnel pour la gestion de transport des employés avec Python (Pandas, Numpy, Tkinter...) et Vrp.<br>
Gestion des données avec PostgreSQL.<br>
Intégration de Power BI pour l’aide à la décision<br>
Collecte, nettoyage et analyse des données avec Python<br>
Nettoyage des données avec SQL<br>
Développement de requêtes pour la gestion des données en utilisant VBA et SQL<br>
Analyse des données des employés avec Power BI<br>
Développement des dashboards interactifs pour l’aide à la décision et différentes fonctionnalités en utilisant MS Access et VBA</p>
Data Scientist
<p>Veille sur les évolutions des technologies autour des LLM, Extraction de données, fournisseurs Cloud...<br>
Comparaison de différents modèle LLM... de leurs paramètres, performances par rapport à différents cas concrets<br>
Comparaison de différents Extracteur de données : AWS Textract, GCC Document AI, Azure Document Intelligence, Pytesseract, EasyOCR...<br>
Développement Python de prototype autour des cas d’applications en utilisant des frameworks comme LangChain, LangSmith<br>
Extraction de données automatiques de différentes documents<br>
Utilisation des technologies comme RAG pour intéragir avec les documents énormes<br>
Interrogation en langage naturelle de base de donnée (relationnelle, graph...)<br>
Déploiement d’instance de modèle sur Cloud (Azure)</p>
Data Engineer
<p>Détection automatisée d’immeubles en péril à partir de documents municipaux<br>
Conception et développement d’un pipeline data complet (Airflow, PySpark) identifiant les immeubles en péril, afin d’anticiper les risques.<br>
Collecte quotidienne des arrêtés via scraping dynamique (BeautifulSoup) sur les sites de mairies ; stockage des métadonnées dans Hadoop.<br>
Extraction des informations clés (adresse, statut du péril, etc) : OCR (Azure Document Intelligence) et API OpenAI du GPT-4.<br>
Normalisation des adresses avec les API ARCGIS et BAN, enrichissement et sauvegarde dans une table Hadoop dédiée.<br>
Mise à jour des tables Hadoop automatique.<br>
Suivi des exécutions via Airflow, Kubectl/Rancher pour les pods Kubernetes, et logs applicatifs.<br>
Documentation technique sur GitLab, métier sur Sharepoint.<br>
Enrichissement des données géospatiales à partir d’images satellites<br>
Maintenance d’une API après la migration vers un nouveu endpoint sur AWS pour plus de sécurité, scalabilité et industrialisation.<br>
Scraping automatisé des certifications d’entreprises Qualibat<br>
Optimisation d’une API en remplaçant BeautifulSoup par Selenium pour fiabiliser l’extraction des données de certification des entreprises.<br>
Suivi des providers (économie de 22 500€)<br>
Suivi des briques de consommation en utilisant nos fournisseurs payants grâce à Pyspark, PowerBI et GCP</p>