Data Engineer

Intégration de l'équipe de formation pour dispenser des enseignements techniques auprès de profils en reconversion et de professionnels de la data.

• Assuré la formation en Python, SQL, PySpark et Databricks.
• Encadré des projets end-to-end couvrant la préparation, la transformation, la modélisation et la qualité des données.
• Réalisé un travail de vulgarisation des architectures Data et des bonnes pratiques de développement auprès des apprenants.

Rejoignant une entreprise développant une solution d'IA générative dédiée à l'analyse stratégique de données d'entreprises multi-sources.

• Développé des pipelines Python pour collecter, préparer et structurer des données hétérogènes.
• Conçu une architecture RAG basée sur LLM intégrant le chunking, les embeddings, le reranking et la recherche sémantique.
• Orchestré des workflows multi-étapes et agentiques à l'aide de LangChain et LangGraph.
• Amélioré la pertinence des réponses de 54% à 85% grâce à l'optimisation du pipeline RAG.
• Mis en place le monitoring des traitements, de la qualité, de la latence et des coûts avec Langfuse.

Stage réalisé au sein d'Orange Business pour concevoir un Data Warehouse RH axé sur l'ingestion, la transformation, la modélisation et le reporting.

• Conçu et maintenu des pipelines ETL SSIS alimentant un Data Warehouse centralisé.
• Développé des requêtes SQL Server dédiées à l'extraction, la transformation et au contrôle des données.
• Réalisé la modélisation dimensionnelle des données pour faciliter leur exploitation analytique.
• Mis en place des contrôles de qualité et de cohérence afin de fiabiliser les données intégrées.
• Automatisé les traitements récurrents et assuré le suivi des flux d'alimentation du Data Warehouse.
• Collaboré étroitement avec les équipes métier pour traduire les besoins analytiques en solutions Data.

Participation à la collecte, la préparation et la valorisation de données liées à l'insertion professionnelle.

• Collecté et préparé les données en réalisant le nettoyage, le feature engineering et la structuration avec Python.
• Analysé et segmenté les données afin de produire des datasets exploitables pour les activités de modélisation.