CV/Mission de Consultant splunk freelance

Exemple de missions de Soufyane,
Consultant splunk habitant le Val-d'Oise (95)

• Data Scientist

  La Défense
  Jan 2020 - Jan 2021

  • Comprendre le contexte fonctionnel et métier du cas d’usage
  • Identifier, analyser et modéliser les données
  • Préparer les données (data engineer), statistiques descriptives,
  machine learning.
  • Documenter les choix de méthode et l’implémentation du modèle de
  machine learning.
  • Assurer le transfert de connaissances vers les équipes de
  développement des use cases Big Data.

• Consultant Splunk/Data Scientist

  Jan 2018 - Jan 2019

  • Développement de Dashboards,rapports et alertes.
  • Déploiement de l’infrastructure de collecte des logs.
  • Machine learning : développement d’algorithme pour la classification
  des incidents.
  • Conduite des workshops fonctionnels et techniques.
  • Accompganement à l’exploitation des solutions.

• Architecte Splunk/Data Scientist

  BNP PARIBAS PARTNERS FOR INNOVATION
  Jan 2018 - aujourd'hui

  Contexte projet: Machine learning : Développement d’algorithme pour
  la classification des incidents. - Développement de rapports,alertes et
  Dashboard. - Déploiement de l’infrastructure de collecte des logs -
  L’industrialisation et évolution des services Splunk vers un service
  serious

  Mots clés: Splunk,Python, SPL,Unix, Admin SYS, BigFix, Oracle, SQL, Prod, ansible, Git

• Consultant Splunk

  Orange
  Jan 2018 - Jan 2018

  Sujet: — Compréhension et reformulation
  des besoins métiers pour proposition
  d’analyses — Manipulation et préparation
  des données pour la mise en oeuvre des
  analyses statistiques avec création
  d’indicateurs en langage SPL. — Réalisation
  de Rapports et Tableaux de Bord. —
  Recommandations de nouveaux KPI.
  Mots clés: Splunk,Dashboard,
  Rapport,statistques,Data,SPL,KPI

• Thèse professionnelle: Data Scientist

  INSA
  Jan 2017 - Jan 2017

  Sujet: Etude et mise en place de la méthode
  du Gradient Boosting dans un cadre de
  régression supervisé.— Prédire le type de
  couverture forestière du parc national
  Roosevelt en USA. — Comparer la méthode
  du Gradient Boosting (gbm) avec les forets
  aléatoires, les SVM et Deep Learning.
  Mots clés: Machine learning,SVM, réseau de
  neurones, Python, R, forêts aléatoires,
  Régression Supervisé , Statistiques