Amir

• Mission: ADEO (LeroyMerlin), I am working in an international project as Data Engineer and Data Scientist at ADEO and Leroy Merlin. I am
responsible of all the data issues.
• Find data sources and cooperate directly with backend and frontend developments (CI \CD).
• Cooperate with stakeholders and users (products, sales, supply chain, etc.) to identify the needs and develop their algorithms.
• As a data engineer, I take care of ETL \ELT and create data pipelines to get the data right.
• Create data model and test data quality.
• As a data scientist, I create models (classification, clustering and regression) in the retail sector. The main aim is to analyze product
and supplier data in order to improve negotiations and production.
• I also work as data analyst, I create some useful dashboards

En tant que data scientist, je construis principalement des modèles d’apprentissage automatique et d’apprentissage en profondeur pour différents clients
Doublons de données: recherche des doublons dans un ensemble de données volumineux à l’aide de la distance de Levenshtein et de la bibliothèque FuzzyWuzzy
Travailler sur des données chronologiques pour prédire la température des appareils en mer.
Pour ce projet, j’ai utilisé la méthode ARIMA, VAR et d’apprentissage profond (torch)
Implémentation d’un robot d’exploration pour récupérer les données d’Instagram à l’aide de la bibliothèque instaloader

As a data scientist, I mainly build machine learning and deep learning models for the clients
• Data Duplicates: finding the duplicates in big data-set using Levenshtein Distance and FuzzyWuzzy library
• Working on time-series data to predict the temperature of the devices in sea. For this project, I used ARIMA, VAR and Deep Learning
(torch) method
• Implementing a crawler to fetch data from Instagram using instaloader library

As a data scientist and research engineer at Fundvisory, I mainly used statistics and Machine Learning algorithms to devise and program
smart portfolios for financial clients using different data-sets
• Natixis project: Designing and implementing an optimal algorithm to build the investment portfolio based on the clients risk factors
using QR decomposition
• AG2R project: Employing decision tree and random-forest model, linear regression and correlation of vectors to omit the curse of
dimensionality for feature selection
• Contributing to the answering bot (apibot) using reasoning, recommendation and expert systems
• Developing automated portfolio regarding the real data of the actual investment enterprises
• Portfolio/Glidepath construction for Target Date Funds (TDFs) such as retirement investing
• Goal-Based Investment: Devising a smart algorithm to allocate the investor contributions for different goals

Participation au projet CAP (projet européen regroupant 11 pays) : j’ai développé et implémenté des algorithmes et modèles de collecte de données des clients.
De plus, j’ai participé à la gestion des contributeurs, la rédaction du livrable, la participation active aux réunions et aux présentations
Programmation en Matlab et Python pour analyser les données utilisateurs
Programmation d’un robot d’exploration (web-scraper) pour explorer les informations des utilisateurs et les données du réseau social en ligne (ETSY)

Developed algorithms and models for data collection and analysis in a European project.
• Managed contributors, wrote deliverable, and gave presentations.
• Programming a crawler(web-scraper) to crawl the users information and data from online social network (ETSY)
• Recommendation: Implementing a link analysis algorithm to find the best friend (who usually has the dominant impact on us!) of
each user in the graph.

J’ai travaillé au sein d’une équipe de 6 Data Scientists sur plusieurs projets notamment le projet national de prédiction de la sécheresse.
J’ai utilisé des statistiques, supervisé des méthodologies d’apprentissage automatique, des réseaux de neurones et des algorithmes d’optimisation génétique pour ma tâche de prédiction
Analyser les données de télédétection et de station climatique (séries temporelles) pour trouver leur corrélation à l’aide des algorithmes PCA et de régression
Proposition et mise en œuvre d’un réseau neuronal récurrent supervisé (réseaux d’état d’écho) pour prédire la sécheresse

• Predicted drought using neural networks.
• Analyzing the remote sensing and climate station data (time-series) to find their correlation using PCA and regression
• Analyzing the social network data, user behavior and link analysis: I analyzed the users data to find the key hubs that controlling the
majority of decision in the existing graph

Mission : ADEO (LeroyMerlin), je travaille dans un projet international en tant que Data Scientist, Data Engineer et Data Analyst chez ADEO et LeroyMerlin.
En tant que data scientist, je crée des modèles (classification, clustering et régression) dans le domaine de la vente au détail.
L’objectif principal est d’analyser les données des produits et des fournisseurs afin d’améliorer les négociations et les productions.
Projet de détection des anomalies : Un modèle de séries temporelles pour détecter les anomalies dans la marge et le prix de vente des articles/produits.
Projet de ChatBot : J’ai mis en œuvre un modèle LLM utilisant Gemini et RAG pour aider les utilisateurs à interagir avec LLM et à analyser les données dans notre plateforme.
En tant qu’ingénieur de données, je m’occupe de l’ETL et je crée des pipelines de données pour avoir des données correctes.
En tant que data analyste, je crée différents tableaux de bord à l’aide de GCP (BigQuery, GCF, Pub/Sub, Looker Studio, SQL, GCS, ...) et Power BI.
Mettre en place différents cas d’utilisation et créer leurs solutions
Coopérer avec les entreprises et les utilisateurs (produits, ventes, supply chain, etc.) pour identifier les besoins et développer leurs algorithmes.
Trouver des sources de données et diriger les développements backend et frontend (CI/CD).

En tant que Data Scientist et ingénieur de recherche chez Fundvisory, j’ai principalement utilisé des statistiques et des algorithmes d’apprentissage automatique pour concevoir et programmer des portefeuilles intelligents pour des clients financiers utilisant différents ensembles de données
Projet Natixis: Conception et mise en œuvre d’un algorithme optimal pour construire le portefeuille d’investissement en fonction des facteurs de risque des clients, en utilisant la décomposition QR
Projet AG2R: Utilisation des modèles de arbre de décision et forêt aléatoire (random forest), la régression linéaire et la corrélation des vecteurs pour omettre le malédiction de dimensionnalité pour la sélection des fonctionnalités
Développement d’un portefeuille automatisé concernant les données réelles des entreprises d’investissement réelles