Amine S.

- Conception et développement de pipelines de données : Création de pipelines robustes pour la collecte, le traitement, le stockage et la mise à disposition de données, avec automatisation via des technologies cloud (Azure, AWS) et intégration CI/CD.

- Développement Python : Conception de bibliothèques Python déployées dans Artifactory, incluant documentation et tests pour garantir réutilisabilité et stabilité.

- Gestion des séries temporelles : Développement d’un outil pour la gestion des séries temporelles, incluant collecte, traitement, stockage et exploitation, ainsi que mise en place d’un catalogue dédié.

- Collaboration avec les équipes métier : Support aux analystes et traders pour des analyses et prises de décision basées sur des données fiables.

- Expertise cloud et documentation : Mise en place d’architectures cloud innovantes, accompagnées de documentation et de tests rigoureux.

- Construction de pipelines de données : Conception et développement de pipelines sur Dataiku pour collecter, traiter et exploiter les données, garantissant fiabilité et efficacité pour les data analysts.

- Expertise Python : Structuration et optimisation de scripts Python, création de solutions réutilisables pour faciliter l’analyse de données.

- Structuration et bonnes pratiques : Mise en place de bonnes pratiques de développement pour assurer la qualité et la maintenabilité des projets de données.

- Support aux équipes métier : Accompagnement des équipes dans l’optimisation de leurs analyses à travers des outils et processus performants.

Contexte: Total Energies possède un large catalogue de formations proposé sur la plateforme « Lizzy ». Cependant, la fonctionnalité de recherche de formation est très basique (simple recherche textuelle du titre) et il n'y a aucun mécanisme qui pousse les collaborateurs à découvrir de nouvelles formations. Le but de ce projet est de mettre en place un premier système de recommandations pertinent et les inciter à se former davantage. Missions:

- Conception de l'architecture du workflow allant de la récupération de données à l'envoi des recommandations par email

- Intégration des données depuis le Datalake

- Analyse et nettoyage des données

- Modélisation et développement du moteur de recommandations

- Optimisation de temps de réponse

- Intégration dans un projet Django

- Développement de template HTML

- Push des recommandations par email