Bonjour,
Je me présente: Khaled, Data & MLOps Engineer.
je vais faire court
•💡 22 500 € d’économies réalisées pour mon entreprise grâce à un monitoring des consommations fournisseurs
•🔧 4+ ans d’expérience en Python …
Bonjour,
Je me présente: Khaled, Data & MLOps Engineer.
je vais faire court
•💡 22 500 € d’économies réalisées pour mon entreprise grâce à un monitoring des consommations fournisseurs
•🔧 4+ ans d’expérience en Python et SQL
•⚙️ Conception de pipelines Big Data scalables (Spark, Kafka, Airflow)
•🤖 Déploiement de modèles ML avec MLflow, FastAPI et Docker
•☁️ Expérience sur Databricks, Dataiku, Power BI
Si mon profil vous intéresse, je serais ravi d’échanger avec vous
• Développement d’un outil décisionnel pour la gestion de transport des employés avec Python (Pandas, Numpy, Tkinter...) et Vrp.• Gestion des données avec PostgreSQL.• Intégration de Power BI pour l’aide à la décision• Collecte, nettoyage et analyse des données avec Python
Création d’un module personnalisé de gestion de recrutement dans le progiciel Odoo en utilisant Python, Xml et Javascript., Développement du nouveau module Backend Frontend avec Python (POO)
Développement d’un outil décisionnel pour la gestion de transport des employés avec Python (Pandas, Numpy, Tkinter...) et Vrp.
Gestion des données avec PostgreSQL.
Intégration de Power BI pour l’aide à la décision
Collecte, nettoyage et analyse des données avec Python
Nettoyage des données avec SQL
Développement de requêtes pour la gestion des données en utilisant VBA et SQL
Analyse des données des employés avec Power BI
Développement des dashboards interactifs pour l’aide à la décision et différentes fonctionnalités en utilisant MS Access et VBA
Veille sur les évolutions des technologies autour des LLM, Extraction de données, fournisseurs Cloud...
Comparaison de différents modèle LLM... de leurs paramètres, performances par rapport à différents cas concrets
Comparaison de différents Extracteur de données : AWS Textract, GCC Document AI, Azure Document Intelligence, Pytesseract, EasyOCR...
Développement Python de prototype autour des cas d’applications en utilisant des frameworks comme LangChain, LangSmith
Extraction de données automatiques de différentes documents
Utilisation des technologies comme RAG pour intéragir avec les documents énormes
Interrogation en langage naturelle de base de donnée (relationnelle, graph...)
Déploiement d’instance de modèle sur Cloud (Azure)
Détection automatisée d’immeubles en péril à partir de documents municipaux
Conception et développement d’un pipeline data complet (Airflow, PySpark) identifiant les immeubles en péril, afin d’anticiper les risques.
Collecte quotidienne des arrêtés via scraping dynamique (BeautifulSoup) sur les sites de mairies ; stockage des métadonnées dans Hadoop.
Extraction des informations clés (adresse, statut du péril, etc) : OCR (Azure Document Intelligence) et API OpenAI du GPT-4.
Normalisation des adresses avec les API ARCGIS et BAN, enrichissement et sauvegarde dans une table Hadoop dédiée.
Mise à jour des tables Hadoop automatique.
Suivi des exécutions via Airflow, Kubectl/Rancher pour les pods Kubernetes, et logs applicatifs.
Documentation technique sur GitLab, métier sur Sharepoint.
Enrichissement des données géospatiales à partir d’images satellites
Maintenance d’une API après la migration vers un nouveu endpoint sur AWS pour plus de sécurité, scalabilité et industrialisation.
Scraping automatisé des certifications d’entreprises Qualibat
Optimisation d’une API en remplaçant BeautifulSoup par Selenium pour fiabiliser l’extraction des données de certification des entreprises.
Suivi des providers (économie de 22 500€)
Suivi des briques de consommation en utilisant nos fournisseurs payants grâce à Pyspark, PowerBI et GCP
نظام التوظيف التشغيلي المعتمد على الذكاء الاصطناعي أولاً، الذي يوحّد ويؤتمت دورة التوظيف بالكامل للمؤسسات الحديثة حول العالم.
د.جوب منطقة حرة ذ.م.م. 2026 © جميع الحقوق محفوظة
