Dans le cadre de la numérisation des services internes de sa branche
courrier, La Poste souhaite développer des pages web d'administration de
ses sites de distribution et de ses ressources.
Ces services doivent faciliter les échanges entre sites de distribution
concernant des ressources matérielles ou humaines à travers l'importation
de fichiers csv ou la modification de tableaux. KBO a réalisé les tâches
suivantes :
◼ Participation à la conception de l’architecture.
◼ Accompagnement du PO pour rédaction des US et amélioration des
maquettes.
◼ Rédaction des User Stories techniques et contrats d’interfaces.
◼ Participation aux cérémonies Agiles et ateliers de co-conception.
◼ Implémentation du Back End et du Front End.
◼ Mise en place des pipelines CI/CD.
◼ Réalisation de tests Unitaires.
Pour assurer une meilleure lisibilité et gestion de version des travaux de ses
autoroutes, SANEF a lancé un projet d’interface d’ajout et de modifications
de travaux. KBO est intervenu sur les chantiers suivants :
◼ Réalisation des pages web sur un éditeur Low Code.
◼ Création de blocs de travaux avec visualisation en temps réel.
◼ Gestion de sauvegarde de données sous format objet-relationnel.
◼ Participation à la gestion du produit: découpage des tâches / répartition des
charges de travail.
Dans le cadre de la création d’une nouvelle interface de récupérations des
différentes informations liées aux contrats d’un utilisateur, la description et
la réalisation de différentes APIs ont été lancées. KBO est intervenu sur les
chantiers suivants :
◼ Aide à la conception et description des Endpoints.
◼ Réalisation de plusieurs APIS avec la libraire d’Elasticsearch.
◼ Récupération massive de contrats via des requêtes KQL.
◼ Gestion des résultats par filtrage de la réponse.
◼ Création de pages de tests/documentation sur Swagger et Postman.
Dans le cadre de la conception d’un Moteur de recherche documentaire basé
sur Elasticsearch et sur Kafka pour indexer la base documentaire d’Artik. Les
travaux de KBO ont été les suivants :
◼ Nettoyage et extension du jeu de données des images.
◼ Etude d'efficacité des modèles en Machine Learning puis Deep Learning.
◼ Comparaison avec le modèle pré-entrainé VGG16 de Google.
Environnement technique : Python/PyCharm, Tensorflow, Keras
Dans le cadre de la mise en place un système de détection des sniffing sur
un réseau, les travaux de KBO ont été les suivants :
◼ Conception de la supervision du réseau.
◼ Création d'un jeu de données de trafic sur le réseau.
◼ Nettoyage du jeu de données et exportation vers Elasticsearch.
◼ Entrainement d'un modèle de Machine Learning pour détecter les sniffing.
◼ Mise en place d'un moniteur sur Kibana pour créer les alertes.