Data Scientist

Recueillir des données et les analyser : Collecter des données et les analyser pour produire des connaissances et des dispositifs centré?s-utilisateur, Utiliser et sécuriser les données : Traiter correctement les données client, Utiliser et sécuriser les données :

• Traiter correctement les données client, Être capable d'analyser et traiter des données métiers en maitrisant le SI associé, Utiliser et sécuriser les données: Savoir identifier, traiter et sécuriser les données utiles, Utiliser et sécuriser les données : Avoir un esprit d'analyse – inclus rigueur, fiabilité & prise de recul,
• Savoir utiliser les techniques-outils mis à ma disposition pour mener à bien mon activité,
  
• Utiliser et sécuriser les données : savoir expliciter les données les analyser, les synthétiser pour mieux orienter les décisions,
• Connaissance de la méthodologie et des techniques de machine learning, Python

Projet RDB

• Définir les règles métier pour traiter le dataset IR21
  
• Traitement du fichier IR21(csv) en Pandas
  
• Correspondance entre les données IR21 et les REALMs (json)
  
• Comprendre les gisements de données disponibles de mon domaine métier,
  
• Comprendre les différents types de données, Culture software: savoir implémenter un algorithme dans un langage de programmation orienté big data et data science, 
• Utiliser et sécuriser les données : Traiter correctement les données client, Python, SQL ,Base de données

Projet CDN

Data Science :

• Pre-traitement des logs CDN (Pandas)
• Définir les règles métier et les besoins derrière l'étude data science
  
• Analyse de données : Implémentation des modèles Machine Learning pour les tester et analyser leurs résultats (à partir des logs avec les infos de qualité des flux vidéo streaming) - Scikit-learn
• Mise en place des premiers KPIs et dashboards en DashPython
  

Big Data :

• Extraction des informations utiles des users-agents afin d'enrichir les datasets des modèles Machine learning implémentés
  
• Refaire le traitement de données en Scala et les agréger avec Spark Streaming
  
• Envoi de ces données à Cockroachdb et visualisation des KPIs sur Grafana
  
• Maitriser les principes et méthodes d'analyse de données et de la data science, Culture software: savoir implémenter un algorithme dans un langage de programmation orienté big data et data science,
• Avoir une vision stratégique de la Data Science, Mesurer l'efficacité des actions :
• Savoir identifier les bons KPIs, les suivre et prendre en compte le feedback, Grafana, 
• Connaissance de la méthodologie et des techniques de machine learning, 
• Connaissances d'un ou plusieurs outils et/ou langages pour la Data Science et/ou le Data Engineering, 
• Connaissance d'un ou plusieurs écosystèmes techniques pour gérer le Big Data, Scala, Spark, Python, Base de données

Projet CDN

• Développement de l'agent en GO
  
• Encryptions TLS entre l'agent et le serveur Kafka
  
• Définition des paramètres utiles et développement de modules de statistiques pour l'agent
• Implémentation des tests unitaires
  
• Partage de la connaissance de l'agent avec la Dataroom (TPs organisés)
  
• Déploiement de l'agent sur AWS (l'environnement de tests) - Étude dimensionnement avant le déploiement sur Flexible Engine
• Vagrant, Culture software: savoir implémenter un algorithme dans un langage de programmation orienté big data et data science, 
• Mesurer l'efficacité des actions 
• Savoir identifier les bons KPIs, les suivre et prendre en compte le feedback, Kafka, AWS, Golang, Systèmes multi-agents / programmation orientée agent, et sécurité (clés asymétriques/symétrique, hashage)

Projet Otarie

• Étudier et mettre en œuvre un prototype de sonde 100Gbps permettant de générer des métriques et des statistiques extensiés à partir des données du trafic reçu par les cartes d'acquisition sur les réseaux mobiles (2G à 4G). Ce prototype permet d'augmenter la capacité d'acquisition de données mobiles, de comparer les performances des différentes cartes à partir des statistiques générées et de détecter les pertes de paquets IP.
• Développement en langage C et utilisation de la librairie DPDK et de l'outil XLSTAT.
• Avoir un esprit d'analyse, Mesurer l'efficacité des actions :Savoir identifier les bons KPIs, les suivre et prendre en compte le feedback, Avoir des compétences statistiques,
• Connaissance de la méthodologie et des techniques statistiques, C, Linux