Description

En tant qu'Architecte Technique (Cloud / Data), je joue un double rôle crucial. D'une part, je suis responsable de la conception, du développement et de l'optimisation de pipelines de données robustes et évolutifs, en utilisant des technologies Big Data avancées telles qu'Apache Spark, Apache Kafka et Hadoop. D'autre part, je conçois et mets en œuvre des solutions cloud et data, assurant la gestion de l'infrastructure cloud, la définition des architectures de données, l'automatisation des déploiements, ainsi que la garantie de la sécurité et de la performance des systèmes.

En complément de ces responsabilités, je suis expert en Kubernetes, avec une certification CKA (Certified Kubernetes Administrator) et CKS (Certified Kubernetes Security Specialist). Ces certifications attestent de ma maîtrise approfondie des déploiements, de la gestion des clusters Kubernetes, ainsi que des meilleures pratiques en matière de sécurité, renforçant ainsi ma capacité à créer des environnements cloud sécurisés et efficaces.

Industry field of expertise

Languages

French
Native or bilingual
English
Fluent

Workplace preferences

Can work on-site

Paris (up to 50km)

BNP PARIBAS
Architecte technique CLOUD/DATA
January 2020 - Today (6 years and 5 months)
En tant qu'Architecte Technique spécialisé dans le Cloud et la Data , je joue un rôle clé dans la conception et l'optimisation de pipelines de données ainsi que dans la mise en œuvre de solutions cloud. J'utilise des technologies telles qu'Apache Spark, Apache Kafka, Hadoop, Kubernetes, et des langages comme Java et Python pour garantir la performance et la sécurité des systèmes. Principales Réalisations : Conception et Développement de Pipelines de Données : Création de pipelines de données pour le système de détection de fraude bancaire (Spark, Kafka, Hadoop, Flink). Optimisation des performances des jobs Spark. Développement de pipelines d'anonymisation de données. Développement de Connecteurs et Plugins Kafka Connect : Conception de connecteurs personnalisés pour IBM MQ et InfluxDB. Développement de plugins pour la gestion des mots de passe Hvault et l'extraction de données. Système de Surveillance et de Prédiction des Crashs : Développement d'un système de surveillance des logs et des métriques de l'infrastructure Big Data. Utilisation de Spark, Kafka, Hive, Tensorflow pour la détection d'anomalies et la prédiction des crashs. Mise en Place de Services Big Data sur le Cloud : Déploiement de services Big Data sur le cloud privé IBM avec Kubernetes et OpenShift. Développement d'opérateurs Kubernetes et de pipelines CI/CD pour la gestion de l'infrastructure. Sécurisation de l'Environnement Kubernetes : Mise en place de pipelines de scan d'images Docker. Implémentation de politiques de sécurité et d'authentification SAML. Développement de patterns d'architecture sécurisés pour les projets data
BNP PARIBAS
Data Ingenieur / Devops
January 2018 - Today (8 years and 5 months)
En tant que Data Ingénieur / Devops, j'ai conçu, développé, et optimisé des solutions Big Data robustes et évolutives en utilisant Apache Spark, Apache Kafka et Hadoop.
- Support N3 Spark, CDH, Kafka : Fournir un support technique de niveau 3 pour les applications utilisant Apache Spark et Kafka. Analyser et optimiser les performances des jobs Spark. Effectuer des revues de code et proposer des améliorations. Diagnostiquer et résoudre des problèmes complexes pour les utilisateurs et les équipes métiers. Projet : Migration des Données de HBase vers Hive avec Apache Spark :
- Conception et exécution d'un projet de migration des données depuis HBase vers Hive. Analyse des schémas de données et des modèles de requêtes existants. Développement de pipelines de transformation de données avec Apache Spark. Mise en place de mécanismes de validation pour assurer l'intégrité des données migrées. Application de techniques d'optimisation spécifiques à Spark. Rédaction de rapports détaillés sur le processus de migration et les solutions mises en œuvre. Projet : Implémentation des solutions sur des environnements Kubernetes et Docker :
- Déploiement de solutions de traitement de données sur des clusters Kubernetes. Mise en place de pipelines CI/CD pour automatiser le déploiement et les tests. Surveillance et gestion des performances des applications avec Prometheus et Grafana.