Missions : Migration des données
Créer des pipelines de données prêts pour la
Créer un fichier modèle [xlsx
Créer les scripts d'import
Créer les scripts de création des tables
Créer la procédure d'import dans les datasets
Créer la fonction contrôle entre
Créer un seul dag pour le
Faire les tests unitaires
Data Quality : Contrôler et valider la qualité des données DATA-MESH vs CUBES365
Contrôler et valider la qualité des données DATA-MESH vs CUBES365.
Expliquer les écarts et faire un rattrapage le cas échéant
Calculer les totaux en nombre et valeur des indicateurs crée sur cubes
Calculer les même sur le DATA-MESH
Faire les comparaisons et tirer les conclusions
Lancer les rattrapes si écarts non expliqués
Automatiser le contrôle en mettant en place un dag
DATA Quality : Vérifier l'alimentation effective en production
Lister l'ensemble des tables des datasets
Vérifier l'alimentation effective
Vérifier que les DAG tournent correctement
Mettre à jour les informations Schedule sur le data_dictionnary
Environnement de travail : GCP, Airflow, cloud Sheel, BigQuery, git, js, json, python
Environnement de Travail et Technique: GCP, Airflow, cloud Sheel, BigQuery, git, js, json, python
Supply : Reporting MDSP
-Objectif du projet : Aider la supply à vérifier /contrôler les prévisions de ventes MDSP sur la base des 3 derniers
semaines, comparer aux ventes réelles, prévoir les pics saisonniers etc…
-Livrables attendues :
1. Une vue contenant les différents indicateurs demandés
2. Un tableau de Bord Power BI pour la restitution des résultats.
Dash CA-Communes
Un tableau de Bord Power BI des CA par commune rattachée à un entrepôt sur 12 mois glissant du nombre de client
pour chaque commune
Mettre à disposition un rapport sur Cubes ou autre espace permettant de sélectionner l’entrepôt de Rattachement
Affiner selon le besoin :
- Commune(s) via code INSEE/code POSTAL
- CTG
- etc…
Missions : -Projet VACCIN(data scientist) : collecte et nettoyage des données, analyse exploratoire des données, détection
(apprentissage non-supervisés) et prévention (apprentissage supervisés) des incidents, prévention de la
gravité des incidents, développement d’une application de prévention de la gravité des incidents en Python
Missions : -Projet VACCIN(data scientist) : collecte et nettoyage des données, analyse exploratoire des données, détection
(apprentissage non-supervisés) et prévention (apprentissage supervisés) des incidents, prévention de la gravité
des incidents, développement d’une application de prévention de la gravité des incidents en Python
-Projet BOT(développeur python): Amélioration de la solution GIC : développer en python, tester les codes de
manière automatisée (Tests fonctionnels, Tests unitaires),
-La conception, ainsi qu'aux spécifications fonctionnelles et techniques ;
-En faisant du refactoring du code ;
-En aidant à la fourniture d'assistance à la création des livrables ;
-En aidant aux recettes et mise en production.
Pour répondre à un besoin, Engie Ineo a sollicité l’EISTI pour les aider à comprendre les causes des retards dans les transports
afin d’envisager des solutions.
Objectif: Amélioration de la qualité des estimations des temps de parcours.
Environnement Technique: Python, Google Colab, GPU Runtime, Pack Office (PowerPoint, Excel)
PROJET DE FIN D’ETUDES À ENGIE INEO
-Projet BOT(développeur python): Amélioration de la solution GIC : développer en python, tester les codes de
manière automatisée (Tests fonctionnels, Tests unitaires),
-La conception, ainsi qu'aux spécifications fonctionnelles et techniques ;
-En faisant du refactoring du code ;
-En aidant à la fourniture d'assistance à la création des livrables ;
-En aidant aux recettes et mise en production.
Gemmologie, France, 3 mois
Mission : Rédaction du cahier des charges, recherche d’information technique pour l’interfaçage d’appareils avec le Système
d’Information
Mission : Rédaction du cahier des charges, recherche d’information technique pour l’interfaçage d’appareils avec le Système
d’Information
Pour répondre à un besoin, Engie Ineo a sollicité l’EISTI pour les aider à comprendre les causes des retards dans les transports
afin d’envisager des solutions.
Objectif: Amélioration de la qualité des estimations des temps de parcours.