Rayene Layaida

Périodes :

- Data Engineer (MOE) : FT‑Épargne Individuelle – Octobre 2021 – Mars 2023

- Data Engineer & Scrum Master : FT‑Transverse – Mars 2023 – Aujourd’hui

Membre de la Tribu DATAHUB 100% Data, en charge des rôles de Data Engineer et Scrum Master, avec projets menés en méthodologie Agile Scrum (Jira, sprints de 3 semaines, cérémonies agiles).

Data Engineer :

- Analyse des besoins métiers

- Rédaction des spécifications techniques

- Construction de datamarts depuis le Datalake (extraction, transformation, nettoyage, enrichissement et chargement)

- Développement de use cases métiers

- Code review, tests unitaires

- Déploiements et maintenance des projets.

Scrum Master :

- Planification et animation des cérémonies agiles

- Suivi de l’avancement via Jira

- Calcul de la vélocité

- Préparation des sprints avec PO/RPMOE

- Structuration des User Stories

- Coordination avec les scrums des autres équipes et amélioration continue.

Technos & outils :

Hadoop (HDFS), Oozie, HQL, Hive, Spark, Datamart, Datalake, SQL, Git/GitLab, Maven, Shell, DBeaver, VS Code, Jira, Teams, Agile Scrum.

Participation à des projets data en méthodologie Agile (sprints de 2 semaines, cérémonies agiles : Daily stand-up, Planning, Review, Retrospective).

Rôle Data Engineer :

- Exploitation et analyse de données structurées et non structurées pour définir les informations pertinentes.

- Construction de pipelines ETL/ELT : extraction, nettoyage, transformation, enrichissement et chargement des données.

- Visualisation et interprétation des données pour les équipes métiers.

Rôle Data Scientist :

- Prédiction de la capacité d’emport des trains via modèles de Machine Learning.

- Préparation des ensembles de données d’entraînement et de test.

- Entraînement, évaluation et sélection du meilleur modèle selon la précision.

- Visualisation et communication des résultats.

Environnement technique :

Python, PySpark, SQL, Pandas, NumPy, Scikit-learn, Seaborn, Matplotlib, MLlib, Jupyter Notebook

Outils collaboratifs : Jira, Teams, Skype, Outlook

Compétences clés :

Data Engineering · Machine Learning · Python · PySpark · SQL · Pandas · NumPy · Scikit-learn · Matplotlib · Seaborn · Jupyter Notebook · Agile Scrum

Stage centré sur la modélisation de l’information sémantique extraite de collections d’images (notamment ImageNet) et son exploitation pour la recherche et le raisonnement sur les images et vidéos.

Missions principales :

- Modélisation du processus de décision sémiotique pour la détection automatique de la violence à partir d’images et de vidéos.

- Constitution d’un corpus représentatif, labellisé et validé.

- Mise en place d’une ontologie hiérarchisée de la violence.

- Extraction massive de descripteurs visuels et relations sémantiques contextuelles.

- Recherche d’images selon différentes facettes : sémantiques, sémiotiques, émotionnelles.

- Visualisation et interprétation des résultats pour le support à la décision.

Environnement technique :

Python, OpenCV, traitement d’images, modélisation sémantique, ontologies, analyse statistique, visualisation de données.

Compétences clés :

Traitement d’images · Analyse sémantique · Ontologies · Python · OpenCV · Extraction de features · Visualisation de données · Modélisation probabiliste · IA appliquée