Intervention sur différents projets de la DGP :
• Pratique agile (back log, score, sprint, rétrospective de sprint )
• MCO de l’infrastructure Data sur AWS
• Mise en place et maintien de Databricks sur AWS avec Terraform
• Orchestration des job Databricks avec Airflow
• Déploiement d’application sur AWS ECS
• Déploiement et maintien de stack ELK pour le monitoring de bases de données
• Création de dashboards grafana affichant les metrics de base de données
• Déploiement de diverses stack via Jenkins et gitlab-ci
• Participation à différents projets de migration vers AWS
Dans le cadre du projet Forkast :
• Pratique agile (back log, score, sprint, rétrospective de sprint )
• Design Architecture Data et Infrastructure
• Mise en place de pipeline d’ingestion et de traitement de données
• Ingestion et traitement de données avec lambda (Python3) et glue (Pyspark)
• Déploiement des fonctions lambda avec CHALICE
• Déploiement de stack (S3-LAMBDA-GLUE-DYNAMODB) avec Terraform
• Mise en place et maintien de la chaîne de CI/CD avec Gitlab-CI
Dans le cadre du projet Datalake et Datahub :
• Pratique agile (back log, score, sprint, rétrospective de sprint )
• Design Architecture Data et Infrastructure
• Mise en place de pipeline d’ingestion et de traitement de données sur AWS avec terraform
• Ingestion et traitement de données de capteurs avec lambda (Python3) et glue (Pyspark)
• Création et requêtage de base de données avec SQL
• Déploiement des fonctions lambda avec SAM et Cloudformation
• Déploiement de stack (S3 – SQS –SNS- LAMBDA-GLUE-DYNAMODB-RDS) avec Terraform
• Mise à disposition des données traitées pour le ML (S3-SAGEMAKER-API GATEWAY)
• Déploiement de solution ML (SAGEMAKER MLOPS FRAMEWORK)
• Tests unitaires avec Moto, Boto3, et Pytest
• Mise en place et maintien de la chaîne de CI/CD avec CODEPIPELINE/CODEBUILD, GitlabCI
Dans le cadre du projet Hbox sur la mise en place d’une plateforme data :
• Pratique agile (back log, score, sprint, rétrospective de sprint )
• Design Architecture Data et Infrastructure
• Mise en place de pipeline d’ingestion et de traitement
• Ingestion et traitement des données avec des fonctions lambda (Python3)
• Déploiement des fonctions lambda avec Chalice
• Déploiement de stack (S3 – SQS – LAMBDA-RDS-DYNAMODB) avec Terraform
• Mise à disposition des données (API GATEWAY)
• Tests unitaires avec Moto, Boto3, et Pytest
• Mise en place et maintien de la chaîne de CI/CD avec Gitlab-CI
STET
Dans le cadre de la mise en place de la solution CORE2 :
• Approvisionnement de l’infrastructure virtualisée avec Red Hat Satellite
• Automatisation du déploiement des machines virtuelles avec Ansible
• Gestion de configuration avec Puppet
• Mise en place d’un système de monitoring avec Prometheus et Grafana
Dans le cadre d’un projet de recherche en collaboration avec Airbus Group, Nokia et
Sequans, sur la sécurisation et l’optimisation de performance des radiotélécommunications 4G, la tâche était de :
• Faire évoluer les services de la technologie PMR vers la technologie LTE
• Optimiser la gestion des ressources radio et Améliorer la couverture et de la
résilience du réseau
• Définir de nouvelles techniques optimisées pour la transmission et la diffusion
des flux multimédia
• Construire une plateforme expérimentale PMR for LTE basée sur
OpenAirInterface