[nom]
[téléphone]
[e-mail]
DATA ENGINEER CONSULTANT
[lien]
EXPÉRIENCES PROFESSIONNELLES
Data Engineering Consultant · OPMOBILITY
Jan 2026 - Actuel
Développer des pipelines Data Engineering sur Databricks avec PySpark et Delta Lake pour l’ingestion et le traitement de flux CDC multi-tables (PostgreSQL / Debezium).
Industrialiser et monitorer des workflows data en environnement cloud, avec optimisation des performances, gestion des checkpoints et fiabilisation des traitements en streaming.
Concevoir des workflows data robustes (Delta Lake, MERGE, gestion de schémas évolutifs) afin d’assurer la fiabilité et la traçabilité des données de production.
Technologies : Python, SQL, Azure Databricks , Apache Spark, Azure EventHub , Azure Devops, Talend, QlickSense
Data Engineering Consultant · IDEMIA
Juillet 2024 - Décembre 2025
Concevoir et développer des pipelines de données évolutifs en exploitant AWS (S3, Lambda, Glue, EMR), permettant une réduction de 35 % du temps de traitement des données issues de sources hétérogènes.
Mettre en place des solutions d’ingestion de données robustes et sécurisées et d’APIs, assurant une intégration 100 % fiable et une baisse de 40 % de la latence moyenne.
Optimiser les algorithmes de traitement et de stockage grâce à Redshift, Athena et EC2, entraînant une amélioration des performances de 50 % et une réduction des coûts de calcul de 25 % via une gestion efficace des ressources.
Technologies : Python, SQL, Quicksight, Apache Spark, AWS Glue, AWS Lambda, Amazon S3,Terraform,, Amazon Redshift
Data Engineering Consultant Intern | Stage de fin d’étude PFE · LEYTON
Janvier 2024 - Juin 2024
Client : LEYTON FRANCE
Développer des pipelines de données automatisés avec Python et Apache Spark afin d’optimiser la gestion et l’analyse des données du marché français, entraînant une augmentation de 30 % de la couverture analytique des données clients.
Implémenter un système d’alertes automatiques via des APIs REST pour notifier en temps réel l’équipe de prospection commerciale des 2029 - 2030 nouvelles opportunités, permettant une accélération de 50 % du temps de réaction sur les leads détectés.
Technologies WARDIERE : UNIVERSITY Python, API REST, Apache Spark, Docker, ElasticSearch, PostgreSQL
FORMATION · COMPÉTENCES
Institut National des Postes et Télécommunications · Programming languages: Python, SQL
2021-2024 · Data Viz : PowerBI , Grafana, Tableau
Cloud Computing platform : AWS, GCP
Diplôme d’ingénieur d’Etat, filière Innovation & Assistance à la Big Data Systems : Hadoop, Apache Spark, Apache Airflow, maitrise d’ouvrage
Apache Kafka
Relational databases : MYSQL, SQL Server, PostgreSQL
Classes préparatoires aux grandes écoles
2019-2021 · CERTIFICATIONS
CPGE Moulay Al Hassan, filière MPSI/MP
AWS Certified Data Engineer – Associate
Databricks Data Engineer - Associate
AWS Cloud Practioner – (CLF-02)
PROJETS · DBT Fundamentals Certification
Pipeline de Données ETL pour l'Immobilier I Batch Pipeline on AWS
Collecter des données à partir de [lien], assurant une ingestion fluide et sécurisée des informations immobilières dans une bucket Amazon S3 pour un accès facile et rapide.
Transformer les données en utilisant AWS Glue pour standardiser et enrichir les informations, facilitant ainsi l'analyse ultérieure et garantissant des résultats fiables.
Transférer les données traitées vers Amazon Redshift, optimisant le stockage et permettant des requêtes rapides pour une exploration efficace des tendances du marché immobilier.
Technologies Utilisées : Python, SQL, Amazon EC2, Amazon S3, Apache Airflow, AWS Glue, Microsoft PowerBI.
Crypto-ETL-Pipeline | Real Time Data Pipeline on GCP
Collecter des données en temps réel depuis l'API Binance pour analyser les discussions autour des cryptomonnaies à l'échelle mondiale.
Implémenter un système de streaming en utilisant Pub Sub pour assurer le traitement efficace et continu des données collectées.
Stocker les données brutes sur Cloud GCS , prétraiter les données pour extraire des informations pertinentes et réaliser une analyse des sentiments, afin de déterminer l'attitude générale envers les cryptomonnaies.
Stocker les résultats d'analyse dans BigQuery, facilitant ainsi la visualisation et l'exploration des tendances de sentiment.
Technologies Utilisées : Python, SQL, Cloud Pub Sub ,Google Cloud Storage, BigQuery, Microsoft Power BI
