Nandane D.

De par la nature du SaaS développé par Sealk, mon rôle m'a permis de me familiariser avec les problématiques d'ingestion de grandes quantités de données hétérogènes , le maintien d'une base de données saine avec plusieurs millions de documents complexes ainsi que la gestion de plusieurs serveurs dédiés à l'exécution d'un workflow quotidien.

Refonte et industrialisation du MVP avec :

- migration de NodeJS vers Typescript

- mise en place de tests unitaires et outils de controle de la qualité du code

- réachitecture logicielle avec une décomposition et un découplage de modules/controlleurs

- revue du modèle de données pour arriver à une conception moins centralisée et plus scalable

- mise en place d'un cache permettant de réduire significativement les temps de calcul

- mise en place d'une API de parallélisation de différents workflows

- refonte vers une nouvelle UI plus scalable

- réduction significative du temps de calcul journalier nécessaire au processus d'ingestion de nouvelles données

Entre autres j'ai pu intervenir sur de nouvelles fonctionnalités de l'application telles que:

- le développement d'une pipeline de récupération, traitement et d'agrégation d'articles de presse sur les entreprises cibles

- le développement d'une pipeline d'inférence de site web pour les entreprises cibles

- le développement d'une pipeline de récupération de descriptifs sur l'activité d'une entreprise à partir de son site web

- le développement d'un système de notification du changement des profiles d'entreprises

Développeur/Datascientist principal sur le développement d'un analyseur automatique d'emails et mise en production de la solution chez un grand groupe d'assurance français. L'objectif de la solution est d'automatiser la classification des flux entrants d'emails grâce à l'IA et notamment au traitement du langage naturel. La stack technique était composée de scikit learn, keras, python et flask. Développement réalisé en TDD.

Développeur principal d'un outil d'amélioration continue d'une solution de type email analyseur et mise en production de l'outil chez un grand groupe d'assurance français. L'objectif de l'outil est de permettre l'analyse de la classification automatique des emails et la corriger le cas échéant pour pouvoir ré-entrainer le moteur cognitif et ainsi diminuer le taux d'erreur de la solution intelligente. La stack technique était composée de python, flask et angular pour la partie front. Développement réalisé en TDD.

Développeur principal sur un projet pilote de type KYC pour un grand compte du milieu d'investissement bancaire français. La solution développée permet d'analyser un corpus documentaire grâce au traitement du langage naturel avec une extraction d'entités et de relations nommés permettant ensuite la construction d'un graphe de connaissances. La stack technique était composée de watson knowledge studio, watson discovery, janus graph, cloudant, nodejs, vuejs.

Participation aux missions IBM chez les clients Intégration et développement d'un ChatBot dans une grande entreprise d'Assurance. Développement d'une interface de validation de mails à l'aide d'un analyseur automatique d'emails. Développement d'un asset Email Analyser afin d'industrialiser les développements d'analyseurs automatiques de documents Technologies utilisées :

- Watson Conversation

- Watson Knowledge Studio

- Bluemix

- NodeJS

- VueJS