Sofiene - Chef de projet PYTHON

Expérience professionnelle

Consultant indépendant – Lead Data Scientist/Data Engineer
 Partenariat avec un organisme de formation (Novembre 2020 – aujourd’hui) :
o Analyse de données, développement et prototypage rapide de modèles de machine learning et de
deep learning.
o Environnement technique : python, spark, GCP BigQuery, tensorflow.

 Volkswagen (Juin – Aout 2020) :
o Développement d’un outil d’aide à la décision pour le planning de mise à jour des logiciels voitures.
o Développement et adaptation d’un outil de prévision utilisant les données historiques.
o Méthodologies : machine learning, reinforcement learning, séries temporelles.
o Environnement technique : python, spark, AWS EMR, AWS Redshift, tensorflow.

 Maif (Septembre 2019 – Mars 2020) :
o Suivi et encadrement de data scientist junior sur des projets de machine learning et d’analyse de
données avec les équipes marketing et développement commercial.
o Construction de modèles de machine learning (scoring d’appétence sur trois produits).
o Développement de chaines d’intégration et déploiement avec Git et Jenkins.
o Développement de chaine d’automatisation de traitement avec Airflow.
o Développement de dashboards KPI pour le suivi d’un dispositif de routage basé sur les scores.
o Travaux annexes : détection de dérive, segmentation et clustering marketing, tests de librairies
python en data science (NLP, imbalanced data, data science sur GPU,…).
o Méthodologies : Machine Learning, Data mining, Statistiques, Data Visualisation, Big Data,
Déploiement et intégration continus.
Environnement technique : Python (Scikit-learn, XGBoost, Dask, Rapids), Git, Jenkins, Airflow, Spark,
Pyspark, Spark Mllib, Hadoop, Hive, Spotfire.

 Attijariwafa Bank (Janvier – Mars 2019) :
o Développement et test de stratégies d’arbitrage statistique basées sur la prédiction des prix et
l’analyse de la corrélation des cours d’actions.
o Interactions avec les ingénieurs Data et les équipes métiers du trading.
o Méthodologie : analyse de corrélation, machine learning, deep-learning, modèles de prédiction des
séries temporelles.
o Environnement technique : Python, Spark, librairies (Pandas, Statsmodels, Scikit-learn,…).

 Esprit (Juin – Novembre 2018) : supervision et encadrement d’ingénieurs data science junior pour
l’amélioration et la validation d’algorithmes de machine et deep learning. Environnement technique :
Python, Matlab, TensorFlow.

Esprit Engineering School (2017 – 2018) – Enseignant et responsable de recherche
 Mise en place du département « data science » : roadmap, objectifs pédagogiques, suivi.
 Enseignement de modules de traitement de signal et de calcul scientifique.
 Encadrement de projets et de jeunes enseignants chercheurs.
Veolia Recherche et Innovation (2011 - 2016) – Responsable d’études en data science
 Participation dans la mise en place de roadmap pour la valorisation des données en aide à la décision.
 Supervision des études et encadrement des ingénieurs de recherche : équipe de deux ingénieurs.
 Définition des spécifications et des cahiers de charge.
 Développement de modèles de datamining et de machine learning : brevet sur la détection de fuites en
utilisant la donnée.
 Restitution et communication des résultats.
 Outils techniques : Matlab, Python, tensorflow, C/++.

Commissariat à l’énergie atomique (2010 à 2011) - Centrale Paris (de 2009 à 2010) – Ingénieur de recherche & Lead
 Développement d’outils d’optimisation multi-objective pour le constructeur Renault.
 Développement de modèles d’optimisation et intégration dans une carte électronique embarquée.
 Suivi et encadrement d’un ingénieur junior.
 Environnement technique : Matlab/Simulink, langage C.

Université Paris II, Université Paris Dauphine, école d’ingénieurs ENTPE (de 2006 à 2009)
Chargé de cours en statistiques, recherche opérationnelle, algorithmique.