Amine T.

• Suunnittelit ja kehitit skaalautuvia ETL-putkia AWS Gluen ja Spark Scalan avulla laajamittaiseen tietojenkäsittelyyn.
• AWS-infrastruktuurin (S3, Glue, Lambda, IAM, Step Functions) arkkitehtuuri ja ylläpito, luotettavuuden ja kustannustehokkuuden varmistaminen.
• Rakensit CI/CD-putkia ja panit täytäntöön suunnittelustandardeja koodin tarkistusten ja hallintokäytäntöjen avulla.
• Toteutti tietojen laatutarkistuksia, linjaseurantaa ja pääsynvalvontaa tietojen eheyden ja vaatimustenmukaisuuden ylläpitämiseksi.
• Johtanut viiden data-insinöörin tiimiä, joka valvoi Terraformin käyttöönottoa, Azuren DevOps-putkistoja ja Spark-suorituskyvyn optimointia.
• Yhteistyössä datatieteilijöiden kanssa ML-mallien käyttöönotto, joilla parannetaan omaisuuden tehokkuutta ja vähennetään seisokkiaikoja.
• Toimitetut QuickSight-kojelaudat, jotka mahdollistavat turvalliset, reaaliaikaiset liiketoimintatiedot.

• Suunnitellut ja toteuttanut Data Mesh -arkkitehtuurin Databricksissä (AWS) ja rakentanut hallitut tietovarastot Glue- ja Collibra-ohjelmilla.
• Kehitit tietojen nauttimis- ja jakamisputkia Spark/Scala- ja PySpark-ohjelmissa täydellä CI/CD-automaatiolla.
• Luonut Databricksin työn automatisointityökaluja Terraformin avulla ja orkestroinut työnkulkuja AWS MWAA:n kautta.
• Suunnitellut dataputkia ennakoivaa huoltoa ja matkustajavirta-analytiikkaa varten käyttäen Kafkaa, Sparkia ja AWS Gluea.
• Toteutettu tietojen laadunvalvonta Airflow'n ja Great Expectationsin avulla, mikä varmistaa tietojen korkean luotettavuuden.
• Yhteistyössä datatieteilijöiden kanssa palvelujen optimointiin tarkoitettujen ennustemallien operationalisoimiseksi.

• Siirsi tuotantosovelluksia HDP:stä Clouderaan, loi ja konfiguroi useita ympäristöjä sujuvan siirtymisen varmistamiseksi.
• Kehitit CI/CD-putkia ja Terraform-tehtäviä VM:ien käyttöönottoa ja skaalaamista varten eri ympäristöissä.
• Tukenut insinööritiimejä koko siirtymävaiheen ajan varmistaen mahdollisimman vähäiset käyttökatkokset.
• Kehitti ja otti käyttöön Spark Scala -kirjastoja ja orkestroi tuotantotöitä korkean saatavuuden varmistamiseksi.
• Suunnitellut ja toteuttanut NiFi-putkistoja ulkoisista sovellusrajapinnoista saatavien tietojen sisäänottoa varten.
• Rakensit tietojen sisäänsyöttö- ja muuntokehyksiä markkina- ja riskidataputkistoja varten käyttäen Sparkia ja Hadoopia.
• Automaattiset tietojen laatutarkastukset ja toteutettu linjaseuranta Apache Atlaksen avulla.
• Yhteistyössä kvantitatiivisten tiimien kanssa riskimallitietojen tarkkuuden parantamiseksi ja viiveen vähentämiseksi jatkoanalytiikassa.
• Optimoitu HDFS- ja Hive-pohjaisia datajärviä, suorituskyvyn ja tallennustehokkuuden parantaminen.
• Osallistui sääntelyn mukaisen raportoinnin automatisointiin varmistaen Basel III -standardien noudattamisen.

• Rakensi Spark-pohjaisia dataputkia ja ETL-työnkulkuja Talendissa ja Kafkassa reaaliaikaista sääntely- ja petostentorjuntaraportointia varten.
• Kehitit AWS-pohjaista arkkitehtuuria, jossa CSV-tiedot muunnetaan Parquetiksi ja Hive-taulukoita optimoidaan suorituskykyä varten.
• Automatisoidut käyttöönottotyönkulut Jenkinsin ja Ansiblen avulla, mikä parantaa kehityksen tehokkuutta.
• Luonut Oozie-kimppuja ja Spark Scala -tehtäviä liiketoimintasääntöjen toteuttamiseksi ja tietojen hallitsemiseksi Cassandrassa.
• Indeksoituja tietoja Solrilla nopeiden hakuominaisuuksien mahdollistamiseksi ja tuetun tuotannon käyttöönoton ja seurannan mahdollistamiseksi.

Lansrod is an IT consulting company specializing in big data, business intelligence, and software engineering projects for enterprise clients.

• Designed and implemented data warehouse and BI solutions across multiple industries.

• Built ETL processes in Talend for integrating data from ERP and CRM systems.

• Developed dashboards and KPIs in Power BI and Tableau for client reporting.

• Assisted in data lake design and migration to Hadoop clusters.

• Conducted data audits to ensure consistency and improve reporting accuracy.

Used skills: Talend, Hadoop, Power BI, Tableau, SQL, ETL, Data Warehouse, Business Intelligence

AddVolt is a Portuguese clean technology startup providing electric systems for refrigerated vehicles, enabling emission-free transportation.

• Project management.
• Modeling of problems related to Data Science.
• Interpretation of Machine Learning models applied to real situations.
• Pre-processing of spatio-temporal data, definition of concepts related to the problem, selection of the model and its parameters, modification of some performance metrics, and benchmarking of different classification models.
• Creation of visualization tools for the results obtained through interactive maps and a video explaining the work performed.
• Comparison of different results and analysis of the proposed solutions.
• Recommendation of a new algorithm for the allocation of virtual machines.
• Deployment of the designed project.