Saber - Développeur TRANSACT SQL

Expérience professionnelle

Nibelis France Devéloppeur SQL
Octobre 2022 – Avril 2023
Projet RETRO
Ce projet consistait à optimiser les procédures stockées en changeant l’accès aux tables
par l’accès à des objets en mémoires.
Traitement Tickets Clients (Paie)
Ajout d’une rubrique dans un bulletin de salaire (exp. Prime d’ancienneté) et son calcul.
Ajout et modification dans des procédures stockées ainsi que dans des fichiers HTML et
XML.
Travaux réalisés :
✓ Adaptation des procédures stockées (utilisation des objets)
✓ Étude de ticket (spécification fonctionnelle)
✓ Chiffrage
✓ Développement SQL, HTML et Javascript
✓ Test
✓ Rédaction de spécification technique

ENVIRONNEMENT TECHNIQUE: ORACLE, HTML, Javascript, XML, GIT, Windows

BMW France Devéloppeur SQL
Mars 2019 – Septembre 2022
Projet GDPR (Règlement Général sur la Protection des Données)
Ce projet consistait à traiter les données à caractères personnels dans les bases de
données BMW en France et en Allemagne. Les traitements (suppression, mise à jour,
insertion) sont sous les formes des procédures stockées (en T-SQL) qui se déclenchent à la
demande (manuellement) ou automatiquement (utilisation des sessions Dollar U).
Egalement, dans le projet GDPR, des modules OTIC (Open Integration Center) ont été
développés pour lancer des processus OTIC (exemple : processus OTIC qui sert à
anonymiser les données à caractère personnels).
Travaux réalisés :
✓ Étude de spécification fonctionnelle
✓ Étude de bases de données (tables qui vont être impactées)
✓ Développement de procédures stockées (et ou modules OTIC) sur un serveur de
✓ Test de procédure stockées et scripts sur un serveur d’intégration.
✓ Rédaction de spécification technique.
✓ Backup de données sur le serveur de production
✓ Mise en production.
✓ Suivi des incidents

ENVIRONNEMENT TECHNIQUE: Sql-Server 2014, , OTIC, Dollar U, Confluence, BitBucket, JIRA,
Windows.

AFP France Développeur BDD/IA
Janvier 2017 – Février 2019
Projet : Dyson
Ce projet consistait à étudier la base de données de l’agence France Presse AFP en
proposant et développant un algorithme capable de classifier et résumer les news AFP
automatiquement sans l’intervention d’un expert AFP. L’algorithme se base sur des
techniques de Machine Learning.
Travaux réalisés :
✓ Étude de la base de données AFP & nettoyage de données
✓ Étude de l’état de l’art sur les résumés des textes (extractive, abstractive text
summaries)
✓ Développement de l’algorithme résumé de news en se basant sur une technique de
PageRank
✓ Apprentissage sur les données en Français, Arabes, Espagnol pour la classification des
news
✓ Détection des entités nommés (apprentissage sur les données en Français, Arabe,
Espagnol)
✓ Test des modèles de classification et de détection des entités nommés
✓ Rédaction de documentation technique
✓ Assuré la maintenance évolutive de l’application.
✓ Recherche de pistes et de solutions, préconisation de solutions aux décideurs.
ENVIRONNEMENT TECHNIQUE: SQL, Java, Weka, Eclipse, Python, Django, Pandas, Numpy,
PyCharm, PyQT, Windows

INRIA France Ingénieur Études et Développement (Groupe Zenith)
Juillet 2012 – Septembre 2016
Projet 1 : GitHub Data Mining
Ce projet consistait à évaluer automatiquement des codes de programmation. En
particulier, Java et Python. L’idée principale est définir des attributs pertinents qui
contribuent à l’évaluation de code (e.g., commentaies, complexité cyclomatique etc.).
Une base d’apprentissage a été préparée en utilisant le scoring des codes de GitHub.
Ensuite, un classifeur qui se base sur la technique de ensemble classifier a été dévélopé.
Travaux réalisés :
✓ Etude de problème
✓ Etude de l’état de l’art
✓ Préparationde données (code issus de GitHub)
✓ Préparation de la base d’apprentissage
✓ Développement de l’algorithme (Java et Python)
✓ Expérimentations et testing en se basant sur la F-Measure
✓ Confirmation et validation des résultats
✓ Livraison code et rapport
✓ Présentation de résultat

ENVIRONNEMENT TECHNIQUE: Java, Python, Weka, Numpy, Pandas


Projet 2 : Extraction de motifs fréquents dans les bases de données (Règles d’associations)
Algorithme A: Parallel Tow
Steps (P2S)Travaux réalisés :
✓ Etude de l’état de l’art
✓ Développement des algorithmes existants: Apriori, SON, CDAR, FPGrowth
✓ Proposition d’un nouvel algorithme P2S (Parallel two steps)
✓ Développement P2S
✓ Expérimentations avec des données réelles (Wikipedia 2014, Amazon Review)
✓ Etude comparative de performance P2S vers Apriori, SON, CDAR, FPGrowth
✓ Confirmation et validation des résultats
✓ Présentation de résultat: participation à la conférence MLDM (International
Conferenceon Machine Learning and Data Mining) Hambourg Allemagne.
Algorithme B: Parallel Absolute Top Down Algorithm (PATD)
✓ Etude de problème (critique de P2S)
✓ Etude de techniques de partitionnement de données
✓ Proposition d’IBDP (Item Based Data Partionning)
✓ Développement de la méthode IBDP
✓ Proposition et conception de l’algorithme PATD (Parallel Absolute Top Down)
✓ Développement de PATD
✓ Démonstration mathématique de correctness de PATD
✓ Expérimentations avec des données réelles (Wikipedia 2014, Amazon Review)
✓ Etude comparative de performance PATD, P2S vers Apriori, SON, CDAR, FPGrowth
✓ Confirmation et validation des résultats.
✓ Livraison code et rapport.
✓ Présentation de résultat : participation à la conférence DEXA (International
Conference on Database and Expert System Applications).
ENVIRONNEMENT TECHNIQUE: Java, SQL, MapReduce, Hadoop, Grid5000, Linux, Shell
Projet 3 : Extraction de motifs informatifs dans les bases de données (Application :
classification de texte à large échelle)

Travaux réalisés :
✓ Etude de problème
✓ Etude de l’état de l’art
✓ Développement des algorithmes existants Forward Selection (FW : extraction des
features)
✓ Proposition d’un nouvel algorithme PHIKS
✓ Développement PHIKS
✓ Expérimentations avec des données réelles (Wikipedia 2014, Amazon Review, Clue
Web, New York Time)
✓ Etude comparative de performance PHIKS vers Forward Selection
✓ Confirmation et validation des résultats
✓ Livraison code et rapport
✓ Présentation de résultat : participation à la conférence ICDM(International
Conférence on Data Mining)New York États-Unis
ENVIRONNEMENT TECHNIQUE: Java, SQL , MapReduce, Hadoop, Grid5000, Linux, Shell

Université Dongseo Corée de Sud Devéloppeur ML
Janvier 2012 – Juin 2012
Projet : ID3
Ce projet consistait à modifier l’algorithme de classification ID3 pour qu’il puisse prendre en
compte les valeurs numériques ainsi que d’implémenter les extensions en language C.
Travaux réalisés :
✓ Étude de l’algorithme ID3
✓ Implémentation de l’algorithme en C (construction d’arbre de décision)
✓ Modification de l’algorithme (split point)
✓ Développement de nouvelle algorithme.
✓ Test de l’algorithme avec des données réeles
✓ Rédaction de documentation technique
✓ Présentation de résultats
ENVIRONNEMENT TECHNIQUE: Java, Weka, Eclipse, Linux