DevOps Engineer

Intervention chez BCP Technologies pour l'optimisation des processus, l'accélération des déploiements et la fiabilité des applications.

• Collaboration avec les équipes de développement pour optimiser les processus, accélérer les déploiements, la livraison et assurer le bon fonctionnement des applications d'une manière cohérente sur les environnements dev, préprod et prod.
• Création et maintenance de pipelines pour automatiser les déploiements, les tests et la livraison continue des applications web et mobile de la banque ainsi que les services digitaux.
• Assurance de la stabilité et de la disponibilité des applications en mettant en œuvre des outils de surveillance, garantissant des performances optimales et détectant les anomalies.
• Mise en place de solutions basées sur des conteneurs avec des outils comme Docker et Kubernetes, permettant une gestion efficace, un déploiement flexible et une scalabilité aisée des applications.
• Gestion des incidents de niveau 2, mené des investigations et mis en place des solutions pour minimiser l'impact sur la disponibilité des services.
• Réalisation du projet REFACTO consistant au cloisonnement et à l'upgrade de 26 serveurs de production mis en service en temps réel.
• Configuration, audit et patch des serveurs avec installation de IIS, Jboss, SQL Server et migration des packages et des bases de données.

Intégration de la Banque Centrale Populaire pour la mise en place d'un programme de gouvernance des données.

• Création d'un écosystème pour la gouvernance de données lié avec l'architecture big data de l'entreprise.
• Création d'un process pour la mesure de la qualité des données au sein de l'entreprise.
• Développement d'un modèle machine learning pour automatiser la classification des données sur Apache Atlas à travers une REST API.

Réalisation d'un stage d'application axé sur le développement d'un noyau intelligence artificielle et deep learning.

• Développement d'un noyau AI / Deep Learning pour la reconnaissance des œuvres artistiques.
• Développement d'un modèle d'identification du style artistique des peintures basé sur une image à l'aide des architectures des réseaux de neurones convolutifs (CNN).

Réalisation d'un stage d'initiation axé sur l'analyse de sentiment sur les réseaux sociaux.

• Collecte de données en utilisant l'API de Twitter.
• Nettoyage et traitement des données.
• Création d'un modèle qui utilise les techniques de Machine Learning pour détecter la satisfaction du public vis-à-vis d'un hashtag à travers les commentaires.