Junior Data Engineer

Réalisation de missions de bout en bout pour des clients privés, notamment pour la start-up MO-KA, afin de concevoir des jeux de données d'entraînement structurés et de développer des modèles de détection d'objets.

• Étiquetage d'images de produits et de vidéos de caisses réelles pour construire des datasets d'entraînement structurés.
• Entraînement d'un modèle de détection d'objets avec suivi pour signaler la fraude et les erreurs de scan aux caisses automatiques de supermarchés.
• Développement de flux de traitement de données et d'automatisation pour des clients, incluant des pipelines de documents PDF et des flux automatisés.
• Surveillance des solutions déployées pour garantir la qualité, la maîtrise de la latence et des coûts après la mise en production.
• Structuration du besoin avec les utilisateurs, rédaction des spécifications et documentation de chaque décision ainsi que de ses limites avant la transition vers l'équipe cliente.

Prise en charge d'une plateforme de données de santé de bout en bout, couvrant l'architecture, l'ingestion, le traitement, les modèles, l'évaluation et le déploiement en production.

• Conception de la couche de collecte et de structuration des données pour trois sources hétérogènes (documents scannés via OCR, signaux en temps réel via API sécurisée Google Fit et saisie manuelle).
• Application de règles de qualité des données pour rejeter les enregistrements malformés et mise en place d'une suite de régression exécutée à chaque modification.
• Exposition des données via des services Python conteneurisés par Docker et déployés en production derrière des API REST FastAPI.
• Mise en place de journaux d'exécution pour tracer les échecs et développement d'un tableau de bord analytique interactif avec des KPI.
• Développement d'un modèle prédictif atteignant 81 % de précision sur des données longitudinales.

Traitement de données de capteurs industriels issus de turbines à gaz afin d'améliorer la maintenance prédictive de la raffinerie.

• Nettoyage et structuration de séries temporelles multivariées issues de capteurs industriels.
• Création de variables (feature engineering) et développement de méthodes de détection d'anomalies pour anticiper la dégradation avant la panne.