Ingénieure en systèmes d'information spécialisée en analyse de données et détection d'anomalies

Intégration dans l'équipe data d'une infrastructure ferroviaire majeure pour développer un système de détection d'anomalies appliqué aux données de maintenance du réseau de capteurs.

• Conception et développement d'un modèle de détection d'anomalies (Isolation Forest) sur les données de capteurs ferroviaires pour identifier les défaillances prédictives.
• Création d'indicateurs de qualité de données (complétude, cohérence, dérive temporelle) intégrés dans Power BI pour piloter la fiabilité des sources.
• Construction d'un pipeline Python automatisé alimentant les dashboards Power BI en données nettoyées et enrichies.
• Développement d'un dashboard interactif destiné aux équipes maintenance, exposant le taux de disponibilité des équipements, les pannes historiques et les alertes en temps réel.
• Assurance de l'intégration end-to-end entre les scripts Python (pandas, scikit-learn) et la plateforme BI.

Participation à la mise en place d'une infrastructure de sécurité complète pour la surveillance et l'analyse des événements Active Directory d'une organisation.

• Déploiement et configuration d'un lab virtualisé comprenant Windows Server 2022, Windows 10, Splunk (Ubuntu) et Kali Linux pour les tests de sécurité.
• Configuration d'Active Directory en définissant les utilisateurs, en intégrant les postes clients et en mettant en place les stratégies de sécurité.
• Installation et paramétrage de Sysmon et Splunk Universal Forwarder pour collecter et corréler les logs d'événements en temps réel.
• Simulation d'attaques (force brute) et analyse des événements générés pour valider la détection des anomalies de sécurité.
• Exploitation du SIEM Splunk pour identifier les patterns d'intrusion et les comportements suspects.

Travail au sein d'une équipe opérationnelle pour analyser les données d'installations fibre (FTTH) et optimiser les processus métier.

• Analyse des données d'installations FTTH et des réclamations clients pour identifier les sources de défaillance et les axes d'amélioration.
• Exploitation des données issues des outils métiers (CRM) pour constituer un socle analytique fiable.
• Création d'indicateurs de performance (KPI) permettant le suivi continu des installations et de la satisfaction client.
• Proposition de scénarios d'automatisation basés sur l'analyse des données pour réduire les délais et les erreurs.