Ingénieur Full Stack

Intégration de l'équipe de développement de Spark-IT Group afin de contribuer au développement et à la maintenance de solutions d'entreprise.

• Développement et maintenance des fonctionnalités du module RH au sein d'un ERP d'entreprise, couvrant la gestion des employés, l'intégration de la paie, le suivi des présences et les workflows de reporting.
• Refonte et implémentation de tableaux de bord modernisés pour le module RH, avec des visualisations de données intuitives et des analyses en temps réel via Angular et ASP.NET Core.
• Collaboration avec les parties prenantes RH et les analystes métier pour recueillir les besoins et les traduire en solutions techniques.
• Encadrement de développeurs juniors via des revues de code et des sessions de programmation en binôme, en partageant les bonnes pratiques Angular et .NET.
• Gestion du contrôle de version et des pipelines CI/CD dans Azure DevOps, avec des déploiements et une assurance qualité via des tests automatisés.

Collaboration avec Acteol (The Access Group) en tant que développeur Full-Stack pour concevoir et faire évoluer des applications web d'entreprise.

• Développement de fonctionnalités CRM avec ReactJS et ASP.NET Core, améliorant les performances et la navigation du système.
• Migration de pages CSHTML vers React, réduisant les temps de chargement et créant des composants réutilisables à travers l'application.
• Conception et développement d'APIs RESTful en Clean Architecture, facilitant la maintenabilité et la scalabilité du code.
• Intégration de maquettes Figma en pages web fonctionnelles, compatibles multi-navigateurs.
• Rédaction de procédures stockées SQL et optimisation des requêtes pour les fonctionnalités à fort trafic.
• Mise en place de tests avec Jest et xUnit pour réduire les régressions et fiabiliser les déploiements.
• Travail en Agile via Azure DevOps, contribution aux revues de code, à la planification des sprints et aux discussions techniques.

Stage en Machine Learning chez Coconsult Company pour concevoir des solutions intelligentes et des interfaces associées.

• Génération de données synthétiques via des distributions définies par l'utilisateur pour simuler des scénarios réels variés, améliorant la précision de l'entraînement des modèles.
• Développement d'un système de recommandation personnalisé pour une plateforme freelance en Python (Sklearn, NumPy, SciPy).
• Déploiement du modèle de recommandation via Docker et Render Cloud, optimisant la scalabilité et réduisant le temps de déploiement.
• Développement d'une interface front-end pour le système de recommandation avec Angular, améliorant l'interaction utilisateur et l'ergonomie.