Fort d'une solide formation en mathématiques et informatique à Dauphine PSL, puis plus de 7 ans d'expérience en tant que Data Engineer et Data Scientist, où j'ai choisi de m'orienter vers le domaine florissant et en pleine expansion de la data. Cette fusion entre rigueur mathématique et expertise technologique constitue le fondement de Data Unboxed.
Mais au-delà, je suis simplement ce qu'on appelle un Tech Enthusiast. n'hésitez pas à jeter un petit coup d'oeil à mon blog, j'espère que vous y trouverez 2-3 sujets intéressants.
Mon parcours m'a conduit à contribuer à des projets complexes au sein d'environnements exigeants tels qu'ENGIE, Natixis ou CA-CIB. Ces expériences m'ont permis de développer une compréhension approfondie des défis data dans divers secteurs, de l'énergie à la finance.
Dernièrement je me passione particulièrement pour les LLM et tous les défis émergeants autour. Allant du fine-tuning de ces modèles jusqu'à l'implémentation de frameworks permettant de les fiabiliser et les rendre prévisibles afin de pouvoir les utiliser dans des contextes et enjeux importants.
Big Data Processing
ETL Pipeline Design
Data Warehousing
Cloud Infrastructure (AWS, AZURE)
Distributed Systems
Data Modeling
Database Management (SQL, NoSQL)
Languages: Python, C#, Dart, SQL
Big Data: Spark, Hadoop, Hive
Streaming: Kinesis, Kafka
Workflow Orchestration: Apache Airflow, AWS Step Functions
Web Frameworks: Django, FastAPI, .NET, Flask
Cloud Platforms: AWS, Azure, GCP
Machine Learning (scikit-learn, TensorFlow)
Statistical Analysis
Predictive Modeling (Gradient Boosting) Data Visualization (Tableau, Power BI)
Computer Vision (OpenCV, PoseNet)
Time Series Analysis
Natural Language Processing
LLMs
LEARN MOREInfrastructure as Code (Terraform, AWS CloudFormation)
Containerization & Orchestration (Docker, Kubernetes)
CI/CD (Jenkins, GitHub Actions)Serverless Computing (AWS Lambda)Cloud Cost Optimization (FinOps)Data Security & Governance (IAM, KMS, Lake Formation)
Savoir gérer des environnements distribubés est aujourd'hui à la portée de tous grâce au serverless.
Plus besoin d'architecture On-premise avec X serveurs pour gérer ses pipelines data à grosse volumétries.
Avoir une compréhension et une maitrise parfaite de spark devient plus que suffisante pour gérer plus de data que vous n'en avez jamais rêvés!
"Deploy and scale" en tout simplicité.
Aujourd'hui c'est possible alors pourquoi s'en priver ?
Mise en place d'infrastructure complexes en quelques lignes de code. Tout en gardant en tête l'optimisation des coûts et leur monitoring.via une approche FinOps
Au delà de.chatbots qui repondent à des questions, notre priorité principale est de faire un réel assistant intelligent qui puisse gérer des cas complexes et réguliers de votre routine professionnelle.
Que vous ayez besoin d'être accompagnés ou que simplement vous ayez besoin de parler et d'avoir un avis extérieur qui puisse challenger votre architecture ( et peut être même débloquer une situation ) ... Vous savez ce qu'il vous reste à faire !
.svg){kind=icon}
%202.svg){kind=icon}
.svg){kind=icon}
