Amine T.

• Ontwerpen en ontwikkelen van schaalbare ETL pipelines met behulp van AWS Glue en Spark Scala voor grootschalige dataverwerking.
• Ontworpen en onderhouden van AWS-infrastructuur (S3, Glue, Lambda, IAM, Step Functions), zorgen voor betrouwbaarheid en kostenefficiëntie.
• Bouwde CI/CD-pijplijnen en dwong engineeringstandaarden af door middel van codebeoordelingen en governancebeleid.
• Implementeerde datakwaliteitscontroles, lineage tracking en toegangscontroles om data-integriteit en compliance te waarborgen.
• Leidde een team van vijf data engineers en hield toezicht op Terraform provisioning, Azure DevOps pipelines en Spark performance optimalisatie.
• Werkte samen met datawetenschappers om ML-modellen in te zetten om de efficiëntie van assets te verbeteren en downtime te verminderen.
• QuickSight-dashboards geleverd die veilige, realtime bedrijfsinzichten mogelijk maken.

• Ontwierp en implementeerde een Data Mesh architectuur op Databricks (AWS) en bouwde gereguleerde data repositories in Glue en Collibra.
• Ontwikkelde data ingestion en sharing pipelines in Spark/Scala en PySpark met volledige CI/CD automatisering.
• Databricks job automation tools gemaakt met Terraform en georkestreerde workflows via AWS MWAA.
• Ontwierp datapijplijnen voor voorspellend onderhoud en analyse van passagiersstromen met behulp van Kafka, Spark en AWS Glue.
• Datakwaliteitsbewaking geïmplementeerd met Airflow en Great Expectations, om een hoge betrouwbaarheid van de gegevens te garanderen.
• Werkte samen met datawetenschappers aan het operationaliseren van voorspellingsmodellen voor serviceoptimalisatie.

• Migreerde productieapplicaties van HDP naar Cloudera en creëerde en configureerde meerdere omgevingen om een soepele overgang te garanderen.
• Je hebt CI/CD-pijplijnen en Terraform-taken ontwikkeld om VM's in verschillende omgevingen te leveren en te schalen.
• Ondersteunde engineeringteams tijdens de migratiefase en zorgde voor minimale downtime.
• Ontwikkelde en implementeerde Spark Scala libraries en orkestreerde productiejobs voor hoge beschikbaarheid.
• Ontwerpen en implementeren van NiFi-pijplijnen voor het binnenhalen van gegevens van externe API's.
• Het bouwen van data ingestion en transformatie frameworks voor markt en risico data pipelines met behulp van Spark en Hadoop.
• Geautomatiseerde controles van gegevenskwaliteit en lineage tracking met Apache Atlas.
• Werkte samen met kwantitatieve teams om de nauwkeurigheid van risicomodellen te verbeteren en latentie in downstream analytics te verminderen.
• Geoptimaliseerde HDFS- en Hive-gebaseerde datameren, waardoor prestaties en opslagefficiëntie zijn verbeterd.
• Bijdragen aan automatisering van regelgevende rapportages, zodat wordt voldaan aan de Basel III-normen.

• Bouwde Spark-gebaseerde data pipelines en ETL workflows in Talend en Kafka voor real-time regelgeving en anti-fraude rapportage.
• Ontwikkelde een op AWS gebaseerde architectuur, transformeerde CSV-gegevens naar Parquet en optimaliseerde Hive-tabellen voor prestaties.
• Geautomatiseerde implementatieworkflows met Jenkins en Ansible, waardoor de ontwikkelingsefficiëntie wordt verbeterd.
• Oozie bundles en Spark Scala jobs gemaakt om business rules te implementeren en data te beheren in Cassandra.
• Geïndexeerde gegevens met Solr voor snelle zoekmogelijkheden en ondersteunde productie-implementatie en -monitoring.

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.