🎯 À propos de moi
Développeur Full-Stack Python avec plus de 8 ans d'expérience, spécialisé dans :

• Développement d'APIs REST : Création d'architectures sécurisées et performantes.
• Big Data et Analyse : Traitement de données massives avec des outils comme PySpark et Pandas.
• DevOps et CI/CD : Intégration et déploiement continu avec Docker et GitLab CI/CD.
• Modélisation Machine Learning : Développement et déploiement de modèles pour la prédiction et l'analyse.

• Objectif : Mise en place d'un pipeline ETL pour extraire, transformer et charger des données brutes vers une base de données optimisée.
• Détails Techniques :
  • Airflow : Orchestration et planification des tâches.
  • Pandas : Nettoyage et transformation des données.
  • Monitoring : Prometheus pour la collecte des métriques, Grafana pour la visualisation.
  • Docker : Conteneurisation du pipeline.
• Challenges Résolus :
  • Supervision avancée des performances grâce à des tableaux de bord en temps réel.
  • Gestion des tâches longues avec récupération automatique en cas d’échec.
• Tech Stack : Python, Apache Airflow, Pandas, Prometheus, Grafana, Docker.

• Objectif : Analyser des fichiers de logs volumineux pour détecter des anomalies et des tendances.
• Détails Techniques :
  • PySpark : Traitement distribué des données pour gérer des volumes massifs.
  • Visualisation : Utilisation de Matplotlib pour représenter les résultats.
• Features :
  • Filtrage et agrégation des données pour obtenir des insights utiles.
  • Exportation des résultats sous forme de rapports prêts à l'emploi.
• Tech Stack : Python, PySpark, Matplotlib.

• Objectif : Développement d’une application pour planifier et optimiser les visites de drones sur des sites spécifiques.
• Détails Techniques :
  • Backend :
    • API REST en Python Flask.
  • Base de Données :
    • PostgreSQL/PostGIS pour les calculs géospatiaux avancés.
  • DevOps :
    • Dockerisation complète.
    • CI/CD avec GitLab.
  • Tests :
    • Tests backend avec Pytest.
• Tech Stack : Python Flask, sqlalchemy, PostgreSQL, Docker, Pytest.

• Objectif : Modélisation de la propagation d'épidémies avec des agents intelligents et du deep learning.
• Détails Techniques :
  • Deep Learning : Utilisation de RNN (Recurrent Neural Networks) pour la prédiction.
  • Simulation Multi-Agents : Modélisation des interactions entre agents (populations, lieux).
  • Graph Neural Networks : Analyse des relations spatio-temporelles des données.
• Tech Stack : Python, TensorFlow, Matplotlib, Quantum.

• Objectif : Application CRUD pour gérer les stocks, les commandes et les fournisseurs.
• Détails Techniques :
  • Django ORM : Modélisation et gestion efficace des bases de données relationnelles.
  • Interface Utilisateur : Utilisation de Django Admin pour une administration simplifiée.
  • Sécurité : Intégration de tokens JWT pour l’authentification des utilisateurs.
• Features :
  • Dashboard en temps réel pour suivre l’état des stocks.
  • Système de notifications pour les seuils critiques.
• Tech Stack : Python, Django, PostgreSQL, JWT, Docker.

• Application CRUD avec Django et Docker : Création d'une API sécurisée pour la gestion des utilisateurs.
• Automatisation avec Apache Airflow : Développement d’un pipeline ETL complexe intégrant des sources de données multiples.
• Analyse Financière avec Polars : Utilisation de Polars pour traiter et analyser rapidement des datasets financiers.

1. Expertise en Python et frameworks associés.
2. Maîtrise des environnements cloud et DevOps.
3. Passion pour les systèmes distribués et l'optimisation des pipelines de données.
4. Capacité à livrer des solutions robustes et scalables adaptées aux besoins clients.

🌍 N'hésitez pas à explorer mes dépôts et à me contacter pour toute collaboration ou opportunité !