CV du
consultant

BDD

Azure Cloud Data Azure MYSQL ORACLE

Connaissances fonctionnelles

machine learning Analyse BACKEND Cloud Déploiement flux Formation informatique Kafka Microsoft MOBILE Neo4j PROCESSUS SANTE TESTS

Langages

PYTHON Selenium CSS3 Django Docker HTML TensorFlow Anaconda Angular Flask Flutter JAVA MongoDB Numpy Pandas react ReactJS SQL TypeScript

Méthodes

AGILE Conception Modélisation planification PROJET SCRUM

Outils

Apache airflow Sklearn

Systèmes

APACHE GIT LINUX Systèmes WINDOWS

. 2023 - Formation Azure AI-900
. 2020 - Certification Microsoft Azure AZ-900
. 2020 - Master en Intelligence Artificielle Sorbonne Université

Profil Ayant un large éventail de compétences, j’ai hâte de mettre mes connaissances à profit pour résoudre des problèmes concrets. Grâce à mes expériences professionnelles ainsi que ma solide formation en mathématiques, statistiques et informatique, je suis en mesure d'analyser, d'interpréter et restituer des ensembles de données complexes en utilisant Python et SQL. J'ai également une expérience pratique dans la conteneurisation et l’utilisation du Cloud Azure
Je suis constamment à l'affût des dernières avancées technologiques et je suis capable d'apprendre rapidement. Je suis très motivé à continuer mon développement professionnel dans une entreprise dynamique et innovante.

COMPÉTENCES TECHNIQUES • Analyse de données et visualisation: SQL, Python (Pandas, Numpy, Matplotlib, Dash,Seaborn,…), PowerBI.
• Machine Learning: Azure Machine Learning, Sklearn,TensorFlow, NLTK, Time Series, linear regression…
• Bases de données: MySQL, Postgres, MongoDB, Neo4J.
• Cloud Computing: Oracle OCI, Azure, Azure Function, Azure storage.
• Système d'exploitation: Windows, MacOs, Linux.
• Langages ,Logiciels et Environnements: Django, Git, Pycharm, Vscode, Jupyter Notebook, Anaconda, Scrum, Agile Methodology, Jira,HTML5, Css3, Flutter 2.0, Angular 11, Reactjs 16, React Native, Java 8, typescript 4.
• Apache Kafka, Apache Airflow, Gurobi, Docker, Docker compose, Flask, FastAPI, Selenium

Savoir-faire • Collecte, manipulation et visualisation de données à grande échelle
• Maîtrise des outils d'analyse de données tels que Python (Pandas,Numpy, sklearn) et SQL.
• Modélisation statistique et prévision à l'aide de techniques telles que la régression, la classification, l'analyse de séries chronologiques et l'apprentissage automatique.
• Compétences avancées en visualisation de données avec des outils tels que Seaborn, Dash, Matplotlib et PowerBI.
• Connaissances approfondies en théorie des graphes et une expertise dans les techniques d'optimisation de programmation linéaire
• Solide expérience en programmation informatique avec une expertise en Python et typescript, ainsi qu'une connaissance des bibliothèques de données telles que Sklearn et TensorFlow.
• Gestion des données à l'aide d'Azure Storage, automatisation des tâches via Azure Functions, et développement des modèles de machine learning avec Azure ML pour l'analyse prédictive.
• Capacité à communiquer des résultats techniques de manière claire et concise, travail en équipe et collaboration efficace avec d'autres équipes et parties prenantes.
• S'actualiser en permanence sur les dernières tendances et avancées en matière d'analyse de données, d'apprentissage automatique, de visualisation de données et de technologies connexes en suivant des formations et des MOOCS
FORMATION • Formation Azure AI-900 (2023)
Formation sur les concepts d'apprentissage automatique et d'intelligence artificielle et des services Azure associés
• Certification Microsoft Azure AZ-900 (2020)
Certifiée Microsoft Azure Fundamentals
• Master en Intelligence Artificielle, Sorbonne Université (2020)
Master en Intelligence artificielle, Robotique, Recherche Opérationnelle, Interaction, Décision (Campus Pierre et Marie Curie)

Centre d’intérêt Intelligence artificielle et nouvelles technologies, Recherche, Voyages, Gastronomie, Cinéma, Randonnée





EXPERIENCES PROFESSIONNELLES


Congé maternité
Janvier 2022 – Septembre 2022

SILAK SOLUTIONS, Bejaia, Algérie
Data Scientist
Septembre 2020 – Décembre 2021
• Nettoyage et préparation de grands ensembles de données à l'aide de Pandas, NLTK et de SQL.
• Utilisation de techniques de prévision de séries chronologiques pour prédire le flux de patients dans les centres de santé afin d’aider à la prise de décision.
• Utilisation de TensorFlow pour construire et entraîner des modèles d'apprentissage automatique pour améliorer la précision des prévision.
• Construction d'une pipeline ML en utilisant Apache Airflow pour automatiser les flux de travail de données.
• Utilisation de Docker Compose pour simplifier le déploiement du module analytique que j’ai crée basé sur Dash pour fournir des tableaux de bord pertinents aux centres de santé.
• Implémentation d’un algorithme intelligent pour générer des agendas et des rendez-vous pour les centres de santé, qui ont grandement amélioré l'efficacité et la satisfaction des patients.
• Mise en œuvre des tests unitaires et rédaction de la documentation technique.

Environnement technique
Python, Azure Function, Azure ML, Azure Storage, Dash, Flask, Docker, Docker Compose, Tensorflow, NLTK lib, Apache Kafka, Apache airflow MongoDB, Postgres, Git, Time series forecasting.

 

• Développement d’une application mobile permettant aux patients de mesurer leurs signes vitaux et de suivre leur progression.
• Établissement d’une connexion entre le moniteur de pression artérielle et l'application mobile.
• Extraire et stocker les données collectées à partir du moniteur de pression artérielle.
• Développement des graphiques et des tableaux de bord permettant aux médecins de suivre à distance et en temps réel les signes vitaux du patient.
• Mise en œuvre des tests unitaires et rédaction de la documentation technique.

Environnement technique
Flutter, Python, Typescript, Oracle Database, Oracle OCI, Dash, Flask, Docker, Apache Kafka, MongoDB, Postgres, Git.


LIP6 - Laboratoire de recherche en informatique de Sorbonne Université, Paris, France
Ingénieur IA - Stage
Février 2020 – Août 2020

• Collaboration sur un projet de recherche intitulé « Partage équitable des ressources indivisibles entre des groupes d'agents », qui fait partie du domaine des systèmes multi-agents et de la théorie de choix social computationnelle.
• Mené des recherches indépendantes sur les systèmes multi-agents et la théorie de choix social computationnelle.
• Modélisation du problème en se basant sur la théorie des graphes.
• Etude de diverses approches et exploration de plusieurs pistes qui ont abouti à l’introduction d'un nouveau concept novateur d'allocation, qui peut garantir une certaine équité dans l'allocation de ressources indivisibles entre des groupes d'agents.
• Développement d’un algorithme à l'aide de techniques d'optimisation de programmation linéaire en utilisant Python et Gurobi pour représenter le concept introduit et permettre ainsi l'allocation de logements sociaux en prenant en compte les différents groupes d'individus dans la population (sexe, âge, pays de naissance...).
• Optimisation continue du processus en ajustant les paramètres en utilisant les techniques d’apprentissage automatique.
• Présentation des résultats à des audiences académiques.

Environnement technique:
Python, Gurobi, Programmation linéaire, théorie des graphes, Git, Tensorflow, JupyterNotebook, Système muti-agents.



Janvier 2019 – Mai 2019
LIP6 - Laboratoire de recherche en informatique de Sorbonne Université, Paris, France
Data Scientist - Stage
• Collaboration sur un projet de recherche intitulé « AmI - Intelligence ambiante » dont l'objectif est de construire un robot autonome évoluant dans un environnement ambiant dont la mission est de réaliser des livraisons pour les pharmacies.
• Analyse et visualisation de grands ensembles de données pour identifier les tendances.
• Conception de modèles ML basés sur des algorithmes non supervisé pour catégoriser les expériences du robot.
• Réorganisation de l'architecture du robot en ajoutant un module nommé Learning process pour une planification plus efficace de la trajectoire de livraison..

• Mise en œuvre des tests unitaires et rédaction de la documentation technique.
• Présentation des résultats à des audiences académiques.

Environnement technique:
Python, Sklearn, Neo4J, Cypher, K-means clustering, FastAPI, Java