Data Engineer & BI

Intégration d'une équipe data pour concevoir une architecture RAG opérationnelle pour un CRM intelligent dans le secteur de l'assurance.

• Conception et déploiement d'une architecture RAG utilisant LangChain, Mistral 7B et ChromaDB pour la recommandation intelligente.
• Développement d'un pipeline ETL Python traitant 3 sources hétérogènes, indexant 39 237 chunks dans ChromaDB et chargeant 1 000 enregistrements dans PostgreSQL.
• Modélisation de 6 cas d'usage métier en langage naturel (détection résiliation, analyse de sentiment, recherche documentaire).
• Mise en place d'une infrastructure Docker opérationnelle intégrant PostgreSQL, ChromaDB et Ollama.
• Évaluation des performances RAG via le framework RAGAS (faithfulness, relevancy, context recall).
• Développement d'une interface FastAPI et Streamlit en cours de finalisation pour la consommation du modèle.

Participation à un projet de recommandation de produits basé sur l'analyse de données clients et la modélisation collaborative.

• Prétraitement et nettoyage de 2 datasets Amazon (1 000 avis clients + 500 produits) selon la méthodologie CRISP-DM.
• Implémentation d'une analyse de sentiment NLP sur 1 000 avis avec VADER, classifiant les sentiments en positif, neutre et négatif.
• Développement d'un système de filtrage collaboratif utilisant KNN et la similarité cosinus (Scikit-learn) pour la recommandation personnalisée.
• Production de visualisations et d'un reporting synthétique via Matplotlib et Seaborn.

Intégration de l'équipe data d'une compagnie d'assurance pour automatiser l'analyse et le suivi des portefeuilles de contrats.

• Automatisation du nettoyage et de l'analyse des données contrats en Python, réduisant les délais de traitement.
• Création de 3 tableaux de bord interactifs Power BI et Tableau pour le suivi en temps réel des portefeuilles.
• Livraison quotidienne de rapports à la direction pour le pilotage opérationnel sur un portefeuille de plusieurs centaines de contrats.
• Définition et implémentation de métriques de performance pour l'analyse des contrats.

Développement d'un système intelligent de mise en relation candidates-offres d'emploi combinant NLP, scraping et modélisation graphique.

• Conception du modèle de données sous PostgreSQL et développement du backend avec Django REST Framework.
• Intégration d'un moteur de recherche sémantique avec spaCy (NER) pour extraire les compétences et technologies des offres d'emploi.
• Mise en place du scraping automatisé via BeautifulSoup et Selenium pour collecter les offres d'emploi à grande échelle.
• Développement du frontend avec Django templates pour une interface fluide et dynamique.
• Modélisation des relations entre candidats, recruteurs et offres dans Neo4j afin d'optimiser l'algorithme de recommandation.

Conception et développement d'une plateforme de numérisation et centralisation des actes d'état civil pour faciliter la prise de décision administrative.

• Assurance de la collecte et de la structuration des données, ainsi que la conception du modèle UML.
• Développement du backend avec Angular et MySQL pour une gestion centralisée des actes.
• Automatisation des flux ETL pour centraliser l'ensemble des actes d'état civil en base de données.
• Création de tableaux de bord Power BI pour la visualisation et le suivi statistique des actes.