Mohamed K.
Data Engineer
Chez Weight Watchers, Mohamed a amélioré la fiabilité des ETL en mettant en place des pipelines CI/CD et des systèmes de surveillance automatisés. Chez Swvl, il a développé un système de détection de fraude qui a entraîné d'importantes économies de coûts et a automatisé la migration des bases de données vers BigQuery. Plus tôt dans sa carrière chez Eventum IT Solutions, il a travaillé en tant que développeur full-stack, où il a amélioré les performances système et amélioré les insights utilisateur.
Avec une solide base dans les technologies de données modernes et un parcours éprouvé de résolution de problèmes innovants, Mohamed est un atout précieux pour toute organisation à la recherche d'expertise dans des initiatives d'ingénierie de données complexes.
Expertise principale
Docker3 ans
Java2 ans
SQL4 ans
Snowflake2 ansExpérience3
Data Warehouse Engineer
- A amélioré les processus d'intégration, de surveillance et d'automatisation des données en mettant en œuvre des pipelines CI/CD, en améliorant les environnements de service et en optimisant les flux de travail ETL.
- A utilisé des outils d'orchestration dans le cloud pour gérer le cycle de vie complet des données, de l'extraction à la normalisation et à l'injection dans Snowflake et Kafka.
- Développé des tâches de surveillance basées sur Kubernetes utilisant Datadog, Snowflake, Python, Prefect Dataflow Automation et PagerDuty pour suivre et résoudre le retard des données et les enregistrements manquants dans les tâches ETL, améliorant ainsi de manière significative la fiabilité des données et la stabilité du système.
- Mis en place et automatisé des pipelines CI/CD pour plusieurs services utilisant GitHub Actions et des scripts Python, améliorant l'efficacité du déploiement et réduisant les temps d'arrêt.
- Dirigé la mise à niveau des versions de Python à travers les services de 3.9 à 3.11, garantissant la compatibilité, des améliorations de performance et des améliorations de sécurité.
- Migré de dbt Cloud vers dbt Open Source, concevant et mettant en œuvre une architecture évolutive et modulaire pour l'entrepôt de données de Snowflake, qui comprenait :
- Automatisé des pipelines basés sur les métadonnées et des workflows CI/CD robustes en utilisant GitHub Actions et des tests dbt.
- Optimisé les performances des requêtes grâce à des modèles incrémentiels, des matérialisations et un partitionnement stratégique.
- Réduit le temps d'intégration des nouveaux modèles de données, amélioré les temps d'exécution, organisé des sessions de formation pour l'équipe et permis à l'équipe d'analytique de fournir des insights plus rapidement et de manière plus efficace.
MySQLDocker
Python
Apache Kafka
Kubernetes
Data Engineer
- A travaillé sur un moteur en temps réel qui a capturé des changements en direct dans les données et a permis une prise de décision automatisée des affaires.
- A développé des projets de pipeline de données ETL axés sur le transfert efficace de données vers l'entrepôt de données.
- A construit un système de détection de fraude en temps réel qui identifiait et bloquait les utilisateurs frauduleux créant plusieurs faux comptes pour exploiter des codes promotionnels, économisant environ un demi-million de livres par mois. Les technologies utilisées comprenaient Debezium, Kafka, Flink et Java.
- A mis en œuvre des pipelines automatisés de migration de données pour transférer des données depuis des bases de données back-end (MongoDB, PostgreSQL, MySQL) vers BigQuery, gérant les changements de schéma de manière transparente et garantissant la cohérence des données. Les technologies utilisées comprenaient Debezium, Kafka, Flink, Airflow, Java, Python et React.js.
JavaScript
React.js
MongoDBDocker
PostgreSQLSofware Engineer
- A développé un Système de Gestion de Réseau qui a fourni des services tels que la surveillance du réseau, l'analyse des performances, la gestion de la configuration et le contrôle à distance des dispositifs en fonction d'événements déclencheurs spécifiés.
- A mis en œuvre une planification de job basée sur les priorités pour améliorer le rendement systémique et l'efficacité.
- A développé des fonctionnalités de suivi de l'activité utilisateur pour surveiller les problèmes de système et analyser le comportement et les préférences des utilisateurs pour améliorer les insights.
MySQLJavaScript
RedisJavaPythonExcellence en ingénierie
Tous les Data Engineers qui ont postulé chez Proxify sont notés de 0 à 300 en excellence en ingénierie, l'un des cinq paramètres que nous évaluons. Ce score reflète uniquement l'excellence en ingénierie, basée sur des entretiens, des exercices à domicile, des sessions de codage en direct, et/ou des évaluations de performance en poste. La courbe montre comment tous les Data Engineers évalués sont répartis sur cette plage, où se situe notre seuil d'acceptation pour ce paramètre, et où se situe Mohamed.
Score 176 · Top 16% of engineers
Éducation
Arrêtez de naviguer.
Soyez jumelé plus rapidement.
Parlez à un expert et obtenez des correspondances personnalisées de notre réseau en seulement 2 jours.
Accédez à plus de 6 000+ experts
Soyez jumelé avec un développeur en 2 jours en moyenne
Embauchez rapidement et facilement avec un taux de réussite de 94%