Mohamed Hedi Ferjani

1- SmartOps/Ghosmod /Well Guardian/Anti -Coll : Data & Applications Drilling & Wells

Responsabilités :

▪ Rôle de réfèrent technique transverse sur plusieurs projets liés aux activités

d’exploration et forage et de puits (Drilling & Wells)

Projet 1 : Direct Feeding (équipe Risk Analysis) : Migration de la solution de collecte, normalisation et stockage des métriques de trading des produit financiers.

Responsabilités :

▪ Migration Azure : Mise en place de la solution du streaming Azure EventHub

▪ Dockerisation et déploiement des différents services de la chaine d’intégration dans Kubernetes

▪ Amélioration des performances et différents services (multithreading, parallélisation de traitement des données, amélioration de temps d’exécution…Etc)

▪ Développement de la solution OPAL : Exposition des données de datalake

« versionnées » via des APIs Spark java/Scala

▪ Accompagnement des clients durant les tests de chaine : tests d’intégration, de qualité, de performance et de non-régression)

Projet 2 : Dé commissionnement Exadata (équipe North Star) : Suppression de la brique Exadata et migration des différentes extractions des données vers le datalake.

Responsabilités :

▪ Cadrage et conception de la solution de migration

▪ Participation aux différents workshops techniques

▪ Développement des librairies utilitaires en commun

▪ Rédaction des documentations techniques

▪ Accompagnement des clients durant les différentes phases des tests

Responsabilités :

▪ Accompagner les développeurs de différents FT dans leur montée en compétence sur des différents sujets liés à la qualité et la bonne pratique : BDD, TDD, CI/CD, Micro-services, Clean architecture, Design pattern…etc.)

▪ Suivi, révision et validation des acquis des développeurs sur les sujets choisis(présentation, Kata…etc.)

Projet 1 : mlBox : Une solution web d’auto-apprentissage (Auto-Machine Learning) qui offre plusieurs fonctionnalités dédiées aux data scientistes afin de simplifier et automatiser la création des modèles Machine Learning à travers des interfaces « user-freindly »

Responsabilités :

En tant que responsable technique d’une équipe constitué de :1 Data Engineers, 1 Devops et 2 Data Scientistes et 1 stagiaire, j’ai été amené à intervenir sur la :

▪ Cadrage et conception d’une solution from scratch basée sur des problématiques d’Intelligence Artificielle et de Machine Learning.

▪ Mise en place d’une solution de calcul distribué des algorithmes ML (python, scikit-learn, Dask)

▪ Industrialisation, refactoring et optimisation de développement data-sciences

(preprocessing, feature engineer, feature selector, discrétisation, modélisation,

optimisation des hyper params, etc).

▪ Conception et développement de diverses librairies utilitaires (dask-utils, store-utils, test-utils, logging-utils, docker-utils)

▪ Exposition et APIsation REST du moteur de mlBox (python, tornado, mongoDB)

▪ « Dockerisation » des différents composants applicatifs de l’application

▪ Définition des différents pipeline CI/CD (gitlab, Nexus, Docker, Artifactory, kubernetes, OpenStack)

▪ Accompagnement des responsables production lors de la MEP (documentation

technique, atelier de cadrage et présentation

Projet 2 : SCore Habitat : Une solution Machine Learning du calcul de score d’appétence aux crédits d’immobiliers : Ce projet a pour but de créer des modèles ML basés sur l’agrégation et la consolidation de plusieurs sources de données afin d’élaborer un modèle permettant de scorer les clients intéressés et les aider à concrétiser leurs projets d’acquisition

Autres responsabilités :

▪ Animation des séances d’« Évangélisation » et de best-practices auprès des data scientistes et data Engineers intitulé « Question Pour Un DE »

▪ Maitre de stage : « MLBOX version PySpark »