À propos de Mohamed
Designed and built applications from framing business to production for different levels of interlocutors
Designed and implement advanced modelling like attribution modelling
Built scalable and fault-tolerant systems and ensured architecture met business requirements.
Anglais
Capacité professionnelle complète
Français
Bilingue ou natif
Accepte de travailler sur site
Paris 3e Arrondissement (jusqu’à 50 km), Paris 3e Arrondissement (jusqu’à 10 km)
Expériences
- DigitalinkersData scientist/ Data engineerAGENCE & SSIIfévrier 2017 - octobre 2019 (2 ans et 8 mois)Paris, FranceProjet : Pipelines de données vers autres servicesContexte et objectif : Un site web centralisé avec plusieurs divisions. Les données de navigation remontée selon le contexte et les contraintes des divisions. Exécuter des pipelines d’extraction des logs vers des bases de données afin de simplifier les mesures d’indicateurs propres aux divisions ou permettre l’analyse de comportements ciblés.Environnement travail/fonctionnel : Projet a livrer après établissement d’un cahier des charges.Contraintes : Complexité des données Analytics. Sur-couche de collecte relative aux divisions. Donnée localisée, elle peuvent être remontées dans la langue du site webDomaine d’intervention :Recueil du besoinConception des pipelinesIndustrialisationDashboard le cas échéantRésultats :Quotidiennement les données analytics alimentent différentes bases de données destinées aux acteurs autres que digital afin de mesurer l’évolution des comportements clients ‘online’.Les données sont également accessibles aux équipes opérationnelles pour des analyses de type A/B, ou mesures de différences après modification (Ux).Environnement technique :App Engine, Cloud Tasks, Bigquery, Dataflow, Airflow, Python, SQL, RestAPIProjet : User AccessContexte et objectif : L’administration des droits à Google Analytics décentralisé et fastidieux à monitorer. Proposer une interface de monitoring des divers droits d’accès à la plateformeEnvironnement travail/fonctionnel : Projet à livrer après établissement d’un cahier des charges.Contraintes : L’interface produite devait être interactive pour répondre à différents besoins non encore identifiés, Les actions réalisées depuis l’interface devait avoir une action dans l’outil maitre (l’ajout ou la suppression de droits)Domaine d’intervention :Recueil du besoinInterface Google AnalyticsInterface Google Tag ManagerSuivi des tagging plan HubscanRésultats :Le monitoring de l’administration des droits d’accès à Google Analytics se fait via notre application. Elle permet de savoir quels personnes ont accès aux données en fonction du scope et de définir des normes sur les types d’accès pour les prestations externesEnvironnement technique :Datastore, Appengine, Cloud Tasks, Bigquery, Jinja, Flask, Google Analytics, RestAPIProjet : Conception d’un modèle d’attributionContexte et objectif : Client souhaitant connaitre les répercussions de ses dépenses média sur les comportements d’achats.Environnement travail/fonctionnel : Depuis les locaux de DigitaLinkers et mettant en jeu, un volet pilotage d’agences avec principalement 2 agences média durant les développements, une solution technique à savoir l’outils de capture de l’informationContraintes :- Qualité de la donnée incoherence/ saisonnalité- Position des agences- Choix du modèle compromis compréhension/ justesseTâches réalisées :Recueil du besoinAnalyse des données récoltéesConception de l’infrastucture dataConception du modèle d’attributionConception des dashboards d’exploitationAccompagnement au changementRésultats :Le client a enrichi la vision sur ses campagnes média. Avec ce modèle, il leur est possible d’analyser les performances média sur différents niveaux (budgets, leviers, campagnes).Environnement technique :Collecte de la donnée réalisée par MixCommander, l’infrastructure data développée sur la plateforme Google Cloud Platform.Stockage: Google Cloud StorageAnalytics, Bigquery, Vizualisation: Google Data Studio, SFTPProjet : Analyse des données d’un chatbotContexte et objectif : Depuis les données logs d’un chatbot déployé sur Facebook Messenger, objectif était:Analyser des textes sans réponse du bot,Cibler les sujets prioritaires pour la suite de l’apprentissage du batEnvironnement travail/fonctionnel : En régie chez le client, accès limité aux données. Equipe de développement aux USContraintes : Les données collectées non-structurées, le contenu des textes en plusieurs langues ou sans structure grammaticale, très peu d’historique, Reflection autour de l’analytics et KPI du bot à définirDomaine d’intervention :Structuration de la donnéesDefinition et mesure de KPIExtraction de topicsRésultats :Définition des premier indicateurs de performance. Identification de thèmes pour l’apprentissage du botEnvironnement technique :Spark, MixPanel, NLTK, Sci-kit learn, RestAPI
- NetBoosterData Scientist/ Data EngineerAGENCE & SSIImai 2015 - janvier 2017 (1 an et 8 mois)Projet : AttributionContexte et objectif : Dans une agence de marketing digital, avec une position transverse et support des différents métiers, concevoir une infrastructure data permettant de réaliser des analyses et modèles autour de la problématique de l’attribution. Cette infrastructure avait pour objectif de fluidifier les informations entre divers pôles de l’agence travaillant sur le même client.Environnement travail/fonctionnel : Fil rouge à l’agenceContraintes : La synchronisation des données provenant d’outils différents est complexe, par exemple les identifiants du site web et ceux des servers web de publicité ne sont pas les mêmes, il faut prévoir une solution pour réaliser cette synchronisation.La volumétrie quotidienne est importante alors que le délai de réponse pour les besoins opérationnels est très court. Les choix des types stockages et des interfaces ont été des contraintes importantes.Domaine d’intervention :Definition de l’architecture dataSynchronisation des identifiants vers les données Google AnalyticsConstruction du consumer journeyAnalyse d’attributionSegmentationConstruction de scénari d’activationRésultats :L’infrastructure permet l’analyse des logs de DoubleClick Manager et reconstruire le consumer journey enrichi ces données par des données de navigation sur le site web ainsi que l'ensemble des différents mots-clés tapés par un potentiel client. Il permet de réaliser des listes d’exclusion pour le mots-clés et les bannières publicitaires.Environnement technique :Python, Bash sh, Compute engine, Bigquery, Kubernetes, DataFlow
Recommandations
Soyez le premier à recommander Mohamed
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Master 1 Statistics & EconomicsToulouse School of Economics2015La première année du Master 1 en Econométrie et Statistique est destinée à donner à l’étudiant une solide culture dans les principaux domaines de l’économie mais aussi à les préparer à des cours plus quantitatifs en leur apportant une culture en mathématiques appliquées et logiciels. Le programme est divisé en deux voies : la voie « Econométrie et Statistique Appliquées » et la voie « Mathématiques de la Décision ».
- Physique Appliquée et MécaniqueUniversité Paris Sud Orsay2013Formation à la recherche et développement de connaissances principalement dans les domaines des accélérateurs et des détecteurs. Formation scientifique dans des domaines de pointe, utile á la fois pour la recherche fondamentale et pour le milieu industriel par le biais des accélérateurs et détecteurs pour le médical et l’environnemental. Domaines de compétences : Modélisation et Expérimentation en Physique. La formation aux techniques expérimentales et aux méthodes de simulation se fait dans un large éventail de domaines qui relèvent principalement de l’utilisation des rayonnements. L’enseignement fait appel à des intervenants spécialistes dans ces domaines et met l’accent sur la modélisation et simulation, instrumentation et traitement du signal et les méthodes d’analyse de données.
Certifications
- Data engineering on Google Cloud Platform SpecializationCoursera2017
- Hadoop Platform and Application FrameworkCoursera2017