Description

Vous souhaitez optimiser l'usage de vos données, élever leurs niveau de qualité, améliorer leurs restitutions, leurs analyses et leurs traitements.

Je peux vous aider à:

1) implémenter vos procédures batch et temps réel, avec une maîtrise de l'algorithmique (efficacité en temps, memoire, bande passante et stockage).

2) optimiser vos requêtes pour une meilleure expérience utilisateur (choix de bases, définition des schémas, profilage des requêtes, partitionnement et duplication)

3) elaborer votre strategie data (usage, securite, qualite et accessibilite)

4) améliorer l'exploitation de vos données (dashboards et machine learning)

5) contrôler vos coûts avec une plateforme ajustee et scalable (conteneurs, serverless)

6 Mettre en oeuvre votre infrastructure Data (on-premise ou cloud)

Fort de 12 ans d'expérience, j'utilise une méthodologie adaptée aux métiers, aux structures qui a fait ses preuves auprès d'une douzaine d'entreprises, comprenant:

une mise en oeuvre iterative

un découpage en éléments applicatifs simples et performants (containers)

une approche DataOps (collaborative, agile, DevOps & Data centric).

une maturité suivant plusieurs axes: monitoring, maintenable, efficace, accessible, élastique, résiliant, consistant.

Data Pipeline, MapReduce, DataFlow, Event Sourcing, CQRS, Change Data Capture, Schemas for Analytics, Batch, Stream.

Machine-Learning, NLP.

Python, NumPy, Pandas, Scikit-learn, Keras, TensorFlow, Go, MySQL, PostgreSQL, MongoDB, Cassandra, Elasticsearch, ELK, Linux, Git, Docker, AWS, Java, Scala, Perl, Awk

Langues

Anglais
Capacité professionnelle complète
Français
Bilingue ou natif

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

ForePaaS
Leader Technique Data
EDITION DE LOGICIELS
février 2016 - avril 2020 (4 ans et 2 mois)
Paris, France
Construire une solution PaaS résiliante et scalable pour l’analyse de données.
Piloter la mise en oeuvre du DataLab.
Construire l’offre de Data Processing et de Data Science.
Améliorer les algorithmes de traitement de données.
Intégrer et monitorer les algorithmes d’IA.
Satisfaire les exigences de sécurité, ACL et micro segmentation des réseaux.
Coordonner les mises en productions
Etablir les exigences d'infrastructures.
Python Pandas Kubernetes Java Docker Spark scala Apache Kafka Cassandra MongoDB MySQL Scikit-learn Terraform Ansible JavaScript Node.js
UrbanRace
VP of Engineering
EDITION DE LOGICIELS
février 2015 - mars 2016 (1 an et 1 mois)
Paris, France
Définir l'Architecture Cloud (Solution d’acquisition et d’analyse de données)
Mettre en oeuvre les algorithmes de scrapping de données.
Optimiser des transformations de données.
Développer les algorithmes prédictifs.
Provisionner l'infrastructure, automatisation et monitoring.
Python Scikit-learn Amazon Web Services Scala MongoDB SQL Pandas PostgreSQL
Publicis
Data Architect
CONSEIL & AUDIT
avril 2011 - novembre 2014 (3 ans et 8 mois)
Paris, France
PMU: Contribuer à l’architecture PMU 2020, suivre les développements (Dossier d’Architecture Générale, Schéma directeur, Plan de Reprise d’Activité, TOGAF).
Darty: Concevoir l'architecture du moteur de recommandation (Hadoop, SystemML). Acquisition et traitements de données, Aggregations et statistiques.
Casino: Valider et ordonnancer les études de data mining et de reporting (Java, SQL, Netezza).
Crédit Agricole Cards & Payments: Identifier les besoins du nouveau SI Analytics (Dossier d’Architecture Générale,Capacity Planning,Plan de Reprise d’Activité).
Generali: Migrer vers une architecture services. Harmoniser et désendetter les applications front assurance-vie (Java, SOA)
Java Hadoop SQL MPP Spring Python Spark