Chiheb - Data Scientist PYTHON

OCT 2018 – AVRIL 2019
DATA SCIENTIST & BIGDATA DEV.
SMART TECHNOLOGY
 Développement d’un outil de Web Scrapping des profils de consultants
 Chargement des données dans une base de données SQL
 Environnements : Python3.6, BeautifulSoup, Selenium, MySQL
 Développement d’un Workflow d’extraction des tweets en temps réel
 Analyse sentimental des tweets
 Développement d’une Application de Dashboarding R Shiny
 Conteneurisation de l’application avec Docker
 Environnements : R, shiny, Python3.6, MongoDB, Docker, DockerHub
 Configuration et développement d’un Workflow de Streaming Environnements : Apache Kafka, Docker, DockerHub
 Prototypage d’un système de recommandation des achats
 Environnements : Python3.6, apriori, redis

MAR 2018 – SEP 2018
DATA SCIENTIST
ADSERVIO
 Création d’un système de recommandation des consultants à des missions
 Développement d’un système proactif de proposition de formation
 Développement d’un modèle de proposition d’un plan de recrutement.
 Migration des données de SQL à la base neo4j (orienté document)
avec des interfaces de visualisation en temps réel.
 Environnements: Python3.6, plotly Dash, Flask, pandas, nltk, tf-idf, text-mining, LSA, SVD.

JAN 2018 – FEV 2018 JUNIOR DATA SCIENTIST
RATP
 Preuves de concept (POC)
 Détermination des itinéraires principaux des bus depuis les données de géolocalisation.
 Identification des itinéraires d’aller/retour.
 Identification des itinéraires déviés.
 Détermination des chemins principaux des bus.
 Lissage spatio-temporel des itinéraires en cas des captures manquantes.

DEC 2017 – JAN 2018
JUNIOR DATA SCIENTIST
KAGGLE
 Prédiction des prix de ventes des produits sur Mercari (entreprise japonaise) en se basant sur la description du produit.
 Analyse sentimental des descriptions des produits et études des corrélations avec la cible.
 Environnements : Python3.6, pandas, nltk, text-mining, Régression.

JANV 2017 – DEC 2017
JUNIOR DATA SCIENTIST
BARAC
 Création d’un modèle de prédiction, RandomForest, des cyber-attaques en se basant sur les métadonnées de l’entête IP enregistrés sur HBase via Apache Phoenix avec une précision de 99.97%.
 Détection des anomalies de flux HTTP et HTTPS.
 Création d’un modèle de détection des masquarades sur le système avec les chaines de markov.
 Déploiement des modèles sur Horton Works (Microsoft Azure) pour des
prédictions en temps réel dans l’environnement : Kafka, Storm, Rsyslog, Phoenix, HBase
 Analyse Comportementale des hackers.
 Test et maintenance du modèle sur l’architecture HortonWorks

 Environnements : Python2.7, pandas, numpy, sklearn, Random Forest,
HortonWorks, Redis, HBase, Apache Kafka, Apache Phoenix, Apache
Storm, Rsyslog, Hidden Markov Chain, Apache Ambari

JUIN 2016 – SEP 2016
JUNIOR DATA ANALYST
TARGA CONSULT
 Conception du Data Warehouse
 Création d’un ETL à partir des données existantes vers PostgreSQL avec Talend Data Integration.
 Création d’un Cube d’analyse sur icCube Server
 Réalisation du Tableau de bord sur Tableau Software
 Prédiction des chiffres futur de l’Entreprise
 Environnements : R , PostgreSQL, Tableau Software, Talend DI, icCube Server