Marwen FATNASSI

Data Scientist | AI & BI Engineer

Résumé

"Improve quality, you automatically improve product."

Coordonnées

• Location: Saint-Dié-Des-Vosges, Grand Est, France
• Mobile: +33(0)667116847
• Email: [email protected]
• LinkedIn: https://www.linkedin.com/in/marwen-fatnassi

Principales compétences

• AI & BI,
• Data Mining & Data Analysis,
• Big Data,

Languages

• Anglais (Full Professional)
• Français (Native or Bilingual)
• Arabe (Native or Bilingual)
• Allemand (Elementary)

Expérience

ARTE, Strasbourg, Grand Est, France

DATA SCIENTIST | AI & BI ENGINEER septembre 2021 - Present (2 ans 1 mois)

• Conception et Développement d'Algorithmes : Développer des algorithmes de recommandation avancés en se concentrant sur une approche basée sur le contenu. Écosystème : Blob Storage, Azure Service Bus, Azure Service Principal, KeyVault, Azure Storage Explorer et Databricks, etc.

• Intégration des Règles Métiers : Intégration des règles métiers au développement de l'application de recommandation. Cela a permis de personnaliser davantage les recommandations et de les aligner sur les besoins spécifiques de l'entreprise.

• Création d'une API de Feedback : Dans le but d'améliorer en continu le processus de recommandation. Cette initiative a permis de recueillir des données précieuses pour affiner nos algorithmes et améliorer la pertinence des recommandations.

• Architecture et Déploiement Avancés : La mise en place de l'architecture globale du système, en prenant des décisions clés concernant les outils de développement appropriés. Concrétiser la conception en déployant une API dédiée à la recommandation en utilisant des technologies telles que ACI, Flask et GitHub Workflows CI/CD actions.

• Optimisation des Performances : Des stratégies avancées pour optimiser les performances des APIs. Cela a inclus l'utilisation de serveurs WSGI, de reverse proxy et de Load balancer comme Gunicorn et Nginx.

• Recommandations Personnalisées et Retargeting : Développer un système de recommandation personnalisée, afin d'améliorer la pertinence des recommandations et d'accroître l'engagement des utilisateurs.

• Tableau de Bord de Suivi détaillé : Fournir des indicateurs clés de performance (KPI) exploitables, pour assurer une surveillance constante des performances du système de recommandation.

• Environnement technique : Databricks, Python, PySpark, Power BI, Azure Cloud, Terraform, NewRelic,...

BIAL-X, Strasbourg, Grand Est, France

CONSULTANT DATA SCIENTIST | AI & BI ENGINEER septembre 2021 - Present (2 ans 1 mois)

HN Services, Région de Paris, France

Consultant Data Scientist AI & BI janvier 2019 - août 2023 (4 ans 8 mois)

Intervention chez CACEIS au sein de la Filière Compliance et RH

• Objectif : La conception des Dashboards sur la base de l’expression des besoins métier en pilotage stratégique et opérationnel des ressources humaines.

• Les principales tâches :

  • Proposer et développer des vues dynamiques en respectant les règles de gestion RH.
  • Réaliser un contrôle de qualité sur la cohérence des données, en comparant les données visualisées avec celles qui sont attendues.
  • Créer les Dashboards.
  • Optimiser la performance des Workbooks.
  • Publier les Dashboards sur le serveur et les rendre accessibles aux collaborateurs des différents services, y compris les membres du COMEX.

• Environnement technique : SQL Server, Tableau Desktop, Tableau Server.

Supervision et Maintenance Prédictive de SI

• Objectif : L’équipe BPCE-IT (DSI) souhaite être prévenue en temps réel (ou par anticipation) des dysfonctionnements de son Système d’Information (SI). Par conséquent, l’objectif de notre mission est d'obtenir un outil de pilotage automatisé permettant de prévenir les interruptions et les pannes, ainsi que de surveiller le bon fonctionnement du système d'information.

• Environnement technique : Python/Jupyter, AWS SageMaker, AWS S3, AWS EC2, MariaDB MySQL, phpMyAdmin, Techniques Machine Learning.

Sopra HR Software, Région de Paris, France

Data Scientist mai 2018 - décembre 2018 (8 mois)

• Machine Learning : Automatisation contrôle de la paie.

Inra - Institut national de la recherche agronomique, Région de Nancy, France

Data Scientist avril 2014 - septembre 2014 (6 mois)

• Contexte : Identification et Prédiction de la qualité du bois.

• Les principales tâches :

  • Manipuler et vérifier les données.
  • Choisir les méthodes statistiques les plus adaptées.
  • Rédiger ensuite un plan d’analyse statistique.
  • Justifier le choix des méthodes.
  • Coder des scripts d’application des méthodes en R.
  • Tester, valider et interpréter les résultats.
  • Participer à la valorisation scientifique et présenter les résultats.
  • Implémentation des modèles sur CAPSIS.

Inra - Institut national de la recherche agronomique, Région de Nancy, France

Ingénieur Chargé d’Etudes Statistiques mars 2013 - août 2013 (6 mois) INRA-AgroParisTech Nancy/ ONF/ FVA Freiburg

• Contexte : Le Stage a porté sur “la Modélisation Statistique de la Branchaison de Sapin” à partir des données allemandes recueillies par le Pr Sebastien Hein (Université de Rottenburg) et le FVA (Forstliche Versuchs-und Forschungsanstalt Baden-Wurttemberg, Freiburg) dans le cadre d’un Projet de recherche contracté entre le LERFoB et l’Office Nationale des Forêts (ONF France).
• Les Méthodes Statistiques utilisées ont été les modèles linéaires, non-linéaires, linéaires généralisés, comportant des effets fixes et aléatoires (modèles mixtes). Récapitulatifs des travaux :
  • Comprendre les

Certifications

• E-learning RGPD - Parcours Collaborateur
• Agile with Atlassian Jira
• Parcours e-learning - LES ESSENTIELS DE LA SECURITE
• DATA LAKE IN AWS
• TALEND ETL BI, Data Integration & Visualization