CV Data science : Sélectionnez rapidement les profils qui vous intéressent

Résumé des emplois d'Aymen,
freelance DATA SCIENCE résidant dans le Val-de-Marne (94)

• Leader technique Data et chef de projet

  SOCIETE GENERALE – PARIS
  Jan 2019 - Jan

  Détection automatique des anomalies dans les opérations de trading (8 To) et correction des ratios
  de liquidités
  ❑ Extraction des données à partir des applications métiers, unification des schémas jsons
  ❑ Chargement des données sur le data Lake, optimisation de chargement
  ❑ Implémentation d’une machine exploratrice avec 13 algorithmes non supervisés,
  permettant d’identifier de nouveaux formats d’anomalies non détectés par les métiers
  ❑ Data augmentation, enrichissement des données par des variables artificielles.
  ❑ Mise en place des modules de posttraitement des outliers et de scorning d’anomalies
  ❑ Etudes statistiques des données et découvertes des patterns d’anomalies
  ❑ Validation des anomalies avec les métiers.
  ❑ Mise en production des algorithmes scalables sur le datalake
  ❑ Mise en place d’un module de réapprentissage en ligne
  ❑ Evaluation des ROIs de projets (apport monétaire et infrastructures)
  ❑ Documentation et formation sur la production
  ❑ Présentation des cas d’usages aux services et application de la machine exploratrice dans
  d’autres directions (comptable, contrôle de gestion, gestion de risques etc.)
  ❑ Encadrement pendant 1 an de deux alternants (data ingénieur et data science)
  ❑ Gestion de projet sur la partie data science (Jira)

  Technologies (PySpark, Cloudera, Clustering Deep learning, algorithms, Docker, Apache Oozie, Jira)

• SAINT GOBAIN (GRANDE DISTRIBUTION FRANCE)
  Jan 2019 - Jan 2019

  ❑ Proposition d’architecture Big data pour migrer la production data de SPSS vers CDSW
  (cahier d’architecture détaillé)
  ❑ Mise en place de l’architecture Big Data sur 5 nœuds puis 40 nœuds. (Cloudera)
  ❑ Réalisation d’un POC et participation à sa mise en production portant sur un système de
  recommandation de prix (XGboost regression quantile, SparkML, Python, Hbase)
  ❑ Participation à l’industrialisation du projet Churn.
  ❑ Réécriture d’une production data science de R vers Pyspark (gain de temps de 17h à 1h30)

  Technologies (CDSW, PySpark, Cloudera, Hbase, Docker, XLdeploy, Jenkins, Tableau)

• Expert Data science / Big Data / Architecte data

  TOTAL – PARIS – BRUXELLES
  Jan 2016 - Jan 2019

  Plusieurs projets réalisés, ci-après quelques-uns non-confidentiels
  Projet 1: "Incident Analysis" : plateforme d’analyse et de prédiction d’accidents graves
  Expert data science (TextMining) / Big Data (scalability)
  ❑ Mise en place d’une architecture Big Data pour les projet data (branche RC).
  ❑ Élaboration des modèles machine learning pour prédire le niveau de risque d'accident en
  fonction des anomalies, presque-accidents et des rapports de maintenance (plein texte);
  croisement entre des données non structurées et des indicateurs de plusieurs sources.
  ❑ Modélisation et implémentation des deux cas d'usage concernant l’analyse des accidents :
  ▪ Mise en relation entre les REX, les accidents et les anomalies remontées par site.
  ▪ Recommandation des mesures à prendre suite à un accident/ niveau de risque
  élevé.
  Technologies (Python, Hive, Sqoop, MongoDB, Service Web REST) /(TextMining, Semantic
  extraction, NLP pipeline, Classifier)
  Projet 2: "Robot Pipelines inspection" : Prédiction des anomalies par raclage robotisé
  Consultant Data science / Big Data
  ❑ Croisement entre les données de capteurs issues des robots d’inspections passées dans
  des pipelines sur 300 Km.
  
  ❑ Prétraitement des données et enrichissement avec l’open data
  ❑ Mise en place d’un modèle prédictif des pannes (corrosion, fissure, cassure, bombage…) ;
  deux modèles : un pour les points critiques et un pour les tronçons critiques.
  ❑ Affiner la zone géographique d’intervention pour la réparation
  Technologies (Python et PySpark, Azure Data Factory, blob storage, HdInsight)
  Projet 3: Prédiction des pannes sur une unité de raffinage
  Consultant Data science / Big Data
  ❑ Collecte des données de capteurs à partir des systèmes de stockage propriétaires.
  ❑ Modélisation de la topologie des pannes en collaboration avec les métiers
  ❑ Modélisation bayésienne des pannes (causes et conséquences)+ modèle prédictives.
  ❑ Développement d’une interface graphique d’alerte et d’un simulateur de réparation des
  Upsets (optimiser le fonctionnement d’une unité).
  Technologies (R et Python, Django, Service Web REST, Hive, Hbase)
  Projet 4 à 10 : Projets confidentiels autour de la :
  ❑ Prévision stratégique + Prédiction du prix de pétrole sur 10 ans
  ❑ Prédiction de la marge sur les produits finis etc.

• Manager de projet et référent Big data science

  AIRBUS
  Jan 2015 - Jan 2016

  ❑ Recommandation de composante d’architecture Big Data pour la partie Data science et BI
  ❑ Mise en place de deux use-cases métiers autour de la "Product Ligne Mangement" pour
  réduire le coût de construction des nouveaux appareils (Machine Learning sur 9 ans)
  ❑ Gestion d’une équipe de 8 personnes. (planification, estimation budgétaire, livrables)
  ❑ Proposition d’une architecture Big Data compatible avec l’écosystème existant
  ❑ Mise en place des tableaux de bord métiers avec (Tableau, Spotfire)
  ❑ Comparaison des modèles ML sur les données et choix d’algorithmes efficaces
  ❑ Recommandation d’outillage et estimation du coût de la mise en production

  Technologies (Splunk, Hortanworks, R, Hive, Tableau software, Spotfire

• Expert Data Science / Big Data

  BANQUE DE FRANCE
  Jan 2015 - Jan 2015

  ❑ Direction connaissance client, projet Lutte contre le blanchiment des capitaux et le
  financement du terrorisme : migration vers une approche Big data
  ❑ Réalisation d’un prototype Big Data qui remplace le système existant (gain : temps de
  traitement passe de 8 h à 40 minutes). + Mise en place de l’architecture.
  ❑ Modélisation des données, préparation de l’espace de stockage et importation des
  données puis automatisation des flux.
  ❑ Implémentation des règles métiers de détection des alertes concernant les opérations
  suspectes (une dizaine de patterns d’alerte)
  ❑ Ajout d’un ensemble de règles via des algorithmes ML (Association rules + SVM Classifier)
  ❑ Ajout des fonctionnalités de paramétrage, rattrapage et extension du modèle.
  ❑ Proposition d’architecture cible avec une estimation budgétaire pour la migration

  Technologies (Hortonworks, Python, Hive, Sqoop, Oracle)

• Expert Big data – BI

  SFR-NUMÉRICABLE
  Jan 2013 - Jan 2015

  ❑ Chef de projet Big Data, pôle CRM- Agile.
  ❑ Conception et mise en œuvre d'un Datalab pour la direction CRM
  Le Datalab vise la préparation des données pour le calcul des scores, le ciblage marketing
  et les extractions métiers :
  ❑ Rédaction des spécifications techniques détaillées
  ❑ Modélisation du Datalab et cartographie des flux
  ❑ Alimentation du Datalab par Sqoop + Test (Rapport de tests de performance)
  ❑ Industrialisation des alimentations + Optimisation des scripts de calcul et de
  l’architecture
  ❑ Mise en place de 14 KPI réseaux (Hive, Impala, CADS, Teradata)
  ❑ QoS des clients mobiles (taux d’appels coupés, couverture réseaux voix-data etc.)
  ❑ Compatibilité entre les antennes et les téléphones mobiles
  ❑ Travaux temporaires sur des antennes majoritaires
  ❑ QoS TV-Box, couverture (4G / 3G / U900)
  ❑ Ciblage de push mobile à travers l’analyse du comportement client afin d’augmenter
  l’audience sur les applications. (Hive, Impala, Cloudera, Teradata,)
  ❑ Ciblage des campagnes marketing dans un environnement Big Data (R, Hive, Teradata)
  ❑ Réalisation du projet "Qualification des données marketing et administratives" (Impala)
  ❑ Responsable de la partie Big data dans le projet FUNEL (transformation de vente)

  Technologies (Teradata, Cloudera, Hive, Impala, Sqoop, Python, Oozie, SPSS)

• Expert Big data & Coach

  SFR-NUMÉRICABLE
  Jan 2013 - Jan 2013

  ❑ Proposition d’application pour la monétisation des données mobiles.
  ❑ Structuration des nouveaux types de données pour des applications métiers (données
  issues des applications mobiles, TV-Box, géolocalisation, serveurs vocaux etc.)
  ❑ Révision des processus et du mode de fonctionnement de l'équipe CRM-Agile pour
  formaliser et optimiser son fonctionnement.
  ❑ Formation Big Data pour l’équipe CRM-Agile :
  ❑ Big Data concept and langage (Hadoop, Distributions, MapReduce, HDFS)
  ❑ Data Interrogation (Hive, Impala, Pig, Jaql), Data analysis (R, Mahout)
  ❑ Machine Learning: Spark. Streams and visualization tools (Banana, Big Sheet),
  Divers Big Data technologies (Sqoop, Flume, Oozie etc.)

  Technologies (Spark, Cloudera, Hive, Impala, Sqoop, Teradata, Python, Oozie,SPSS)

• Consultant Big Data - BI

  SFR-NUMERICABLE
  Jan 2013 - Jan 2013

  ❑ Automatisation des mesures de performances des campagnes marketing : modélisation et
  implémentation
  ❑ Cartographie des flux (à partir de Datalab, Datalake, entrepôt et base de données)
  ❑ Rédaction des spécifications techniques détaillées
  ❑ Création d’une base de données (Hive), alimentation et calcul des agrégats.
  ❑ Révision de code source et migration d’une partie vers une technologie in-memory (réduire
  le temps de traitement) + Gestion de projet
  ❑ Industrialisation de l’application + Documentation et formation sur l’application
  T

  echnologies (Teradata, Cloudera, Hive, Impala, Sqoop, Oozie, SPSS)