Amine A.

Co-formateur en pédagogie active dans le cadre d'un bootcamp de 6 mois, visant à qualifier une promotion de 14 personnes au niveau RNCP 6 (équivalent bac+3/bac+4). Cette expérience m'a permis de contribuer à la formation de talents dans un environnement inclusif et solidaire, favorisant l'accès aux compétences numériques.

- Programmation Python (niveau avancé)

- API et intégration de services

- Bases de données SQL (MySQL, PostgreSQL, etc.)

- Bases de données NoSQL (MongoDB, Cassandra, etc.)

- Manipulation de données et DataViz (Numpy, Pandas, Matplotlib, Dash)

- Machine Learning et Deep Learning

- Big Data (Spark, Kafka, Cloud/Azure)

- DevOps (Docker, CI/CD, Git, GitHub Actions)

- MLOps (MLFlow, AirFlow, etc.)

Mission au sein d'un éditeur de logiciels dédié aux professionnels de santé en libéral, reconnu comme le leader dans la production et la commercialisation de solutions de gestion, de télétransmission et de continuité des soins, avec une part de marché de 30 %.

- Développement et mise en production : J'ai piloté le développement des premiers projets, établissant des pipelines de données robustes et appliquant des pratiques d'ingénierie avancées pour garantir la fiabilité et l'efficacité des solutions.

- Architecture et choix technologiques : J'ai conçu l'infrastructure data en intégrant des solutions comme Docker pour la containerisation, MLFlow pour le suivi et la version des modèles, et Amazon S3 pour le stockage de données massives, permettant une gestion optimale des données critiques pour la santé.

- Recrutement et gestion d'équipe : J'ai eu la responsabilité de recruter et d'encadrer une équipe de 2 Data Scientists et 1 MLOps, renforçant ainsi les capacités de l'entreprise à développer et à industrialiser des solutions data.

- Extraction de données via OCR : Mise en œuvre de techniques avancées de traitement du langage naturel (NLP) et d'OCR pour structurer les informations médicales à partir de documents numérisés, facilitant ainsi le travail des professionnels de santé.

- Détection des remboursements : Développement de pipelines de données pour analyser les transactions liées aux remboursements de la Sécurité sociale et des mutuelles, y compris la gestion des relances, afin d'améliorer la trésorerie des praticiens.

Au sein de l'entité de Market Making de BNP Paribas, j'ai pris en charge l'intégralité du pipeline de données pour développer et déployer des modèles de recommandation de produits financiers. Mon rôle a consisté à concevoir et optimiser les pipelines de données en utilisant Spark et Dask pour traiter des volumes massifs de séries temporelles, ainsi qu'à effectuer un feature engineering avancé pour améliorer la qualité des données et la précision des modèles.

J'ai également mis en place des processus de versioning de modèles et des tests rigoureux pour assurer la fiabilité et la reproductibilité des résultats. Les modèles étaient ensuite intégrés dans des workflows de CI/CD, permettant des déploiements automatisés et itératifs en production.

Les solutions développées ont été utilisées par :

- Les vendeurs pour optimiser les stocks et les campagnes de vente, grâce à des scores de clients précis et des prévisions de ventes basées sur des analyses prédictives.

- Les traders pour anticiper les risques liés à la demande sur le marché, en fournissant des recommandations en temps réel pour ajuster les positions.

Mots clefs : Spark, Dask, pipelines de données, feature engineering, versioning de modèles, tests de modèles, CI/CD, séries temporelles, scoring de clients, prédiction des ventes, recommandation de produits financiers.