Drappeau赛米亚，法国图卢兹的开发商
Drappeau is 可用 for hire
Hire Drappeau

Drappeau赛米亚

验证专家  in 工程

数据科学开发人员

Location
图卢兹,法国
至今成员总数
2020年5月7日

Samia是一位有成就的天体物理学家，后来成为了全栈数据科学家. 她拥有天文学/天体物理学博士学位，并利用她的批判性和创造性思维与面向行业的问题解决能力. 她提供创新的方法来解决数据策略和数据驱动的问题，使用定制的机器学习和深度学习方法. Samia已经发表了十几篇同行评议的文章和一本书，并为客户开发了专门的应用程序和预测原型.

数据分析探索性数据分析NumPy数据可视化机器学习工程数据GitPythonPandasScikit-learnSeabornSQLAgileDocker亚马逊网络服务(AWS)EsriStreamlitN8nHasuraIDL数据构建工具 Metabase

Portfolio

法国巴黎银行(BNP Paribas)
Kubernetes, Python, Docker, Argo工作流，Keycloak, GitLab CI / CD, LDAP, Vault...
预防考古及数码考古
敏捷、Python、SQL、PostgreSQL、Hasura、亚马逊网络服务(AWS)...
Yara
敏捷、数据

Experience

数据可视化- 12年数据分析- 12年Python - 12年数据科学- 12年机器学习- 5年SQL - 4年Docker - 4年亚马逊网络服务(AWS)——4年

Availability

Part-time

首选的环境

亚马逊网络服务(AWS)、Docker、Git、Python、Linux、OS X

最神奇的...

...我参与的项目为数百辆联网汽车提供个性化数据服务，如道路危险警告和超车援助.

工作Experience

高级数据运维工程师

2023年至今
法国巴黎银行(BNP Paribas)
  • 参与开发CI/CD工作流，支持客户10多个数据平台的生命周期.
  • 在零信任环境中排除高级事件.
  • 在Docker中为数据科学环境的开发做出了贡献.
  • 随着时间的推移改进了功能监视，例如使用跟踪或审计请求.
  • 为400多名数据科学家和数据工程师的社区提供最佳实践和用户支持方面的培训.
技术:Kubernetes, Python, Docker, Argo工作流，Keycloak, GitLab CI / CD, LDAP, Vault, IBM Cloud

高级数据顾问

2020年至今
预防考古及数码考古
  • 为考古学家设计并开发了一个综合数据平台.
  • 集成多种技术工具，简化数据管理流程.
  • 开发了一个全栈数据应用程序，使考古学家的数据质量检查时间减少了70%.
  • 应用敏捷方法和过程来促进有纪律和透明的项目管理过程.
Technologies: 敏捷、Python、SQL、PostgreSQL、Hasura、亚马逊网络服务(AWS), 数据可视化, 工程数据

数据产品负责人

2021 - 2021
Yara
  • 与涉众和开发团队合作，在三个月内成功交付了数据平台端到端主干的第一次迭代.
  • 促进开发团队和利益相关者之间的沟通和协作，以确保满足项目需求.
  • 与跨职能团队协调，确保项目目标和时间表的实现.
  • 采用敏捷方法对任务进行优先排序，并管理项目时间表.
  • 展示数据产品管理方面的专业知识，确保平台的成功发布.
技术:敏捷、数据

AWS数据开发人员

2021 - 2021
Freelance
  • 显著提高了UAT团队使用Python脚本对SQL和Athena数据管道进行根本原因分析和错误修复的速度.
  • 在加入UAT团队的两周内，通过确定根本原因和贡献代码更改，解决了影响多个kpi的持久错误.
  • 帮助建立一个可重复的bug-根本原因分析环境, 使知识资本化，尽管高流动率的团队.
技术:SQL, Python, 亚马逊雅典娜, Agile, 探索性数据分析, Pandas, Matplotlib, 数据分析

高级全栈数据科学家

2019 - 2021
Freelance
  • 利用技术专长和数据专家领导力，为某电信公司人力资源部门开发大数据平台.
  • 创建了一个Qlik感应用程序，极大地帮助人力资源经理在日常工作中.
  • 协助开发原型应用程序，通过数据专业知识在IT生产平台上设置端到端监控.
  • 开发了一个Python应用程序，使用机器学习来预测事件概率.
技术:机器学习, 数据科学, Python, Heroku, Swagger, Docker, Spark, Hadoop, Cloudera, Qlik感, 探索性数据分析, Pandas, Seaborn, Streamlit, Scikit-learn, Matplotlib, 数据分析, 数据可视化

全栈数据科学家和Scrum管理员

2017 - 2019
大陆
  • 通过为scrum团队提供数据科学方面的专业知识，合作开发联网车辆的新服务.
  • 开发了一个个性化的, 网联车辆最可能路径服务, 使用地理空间时间序列数据和工程业务知识.
  • 协助团队体现敏捷价值观和原则，并支持他们应用Scrum或看板框架.
技术:亚马逊网络服务(AWS), 机器学习, 数据科学, Agile, Kubernetes, Docker, Apache卡夫卡, Go, Python, 探索性数据分析, Pandas, Seaborn, 深度学习, Microservices, PostgreSQL, TensorFlow, NumPy, Microservices架构, Streamlit, RESTful Microservices, Scikit-learn, Matplotlib, 数据分析

天体物理学家

2008 - 2016
阿姆斯特丹大学和图卢兹三世大学
  • 开发了几个多波长数据观测的光谱和定时模型，帮助研究人员更好地了解吸积黑洞发射的来龙去脉.
  • 将遗留的Fortran代码翻译成独立的模块化c++程序, 导致计算时间的急剧增加.
  • 出版了一本书和十几篇同行评议的文章.
  • 提供超过300小时的本科和硕士教学时间.
技术:Git, IDL, Fortran, C++, Python, 探索性数据分析, Pandas, Seaborn, NumPy, Matplotlib, 数据分析, 数据可视化

联网车辆的道路天气应用程序

这是一款基于机器学习的实时天气预报数据应用.

我是首席数据科学家，负责标记原始的地理定位时间序列数据并训练模型. 我与数据工程师一起将模型集成到卡夫卡流架构中，并帮助第二位数据科学家进行开发, 在Python Bokeh, 在驾驶员仪表板中显示预测结果的前端.

农业数据交换平台

面向农业行动者的开放数据交换平台.

我是产品负责人，并与利益相关者和开发团队联系，在三个月内交付了目标数据平台的端到端主干的第一个版本.

考古学家综合数据平台

作为一个数据团队，我为考古学家设计并开发了一个综合性的数据平台. 它使用Esri和Dropbox作为数据源层, n8n工作流和用于数据摄取层的自定义Python脚本, MinIO和PostgreSQL为数据存储层, 用于数据编排层的Dagster, DBT用于数据转换层, 和Metabase作为数据可视化层. 除了, 我实现了hug Face框架，用于构建和部署机器学习模型，以提供高级数据分析功能. Finally, 它利用GitOps作为操作框架来自动化代码管理和部署, 提高效率和生产力.

考古学家广泛采用了这个平台, 在数据管理和分析中节省大量的时间和资源.
2008 - 2012

天文学和天体物理学博士

阿姆斯特丹大学-阿姆斯特丹，荷兰

2007 - 2008

理论和数学物理硕士学位

法国马赛大学

2005 - 2007

亚原子物理学硕士学位

克劳德伯纳德里昂大学1 -里昂，法国

2020年5月至今

Python数据工程师

DataCamp

2019年11月至今

QlikSense数据架构师

Udemy

2017年1月至今

深度学习

Udacity

库/ api

Matplotlib, NumPy, Pandas, Scikit-learn, TensorFlow, Dropbox API

Tools

Git, Qlik感, Seaborn, Cloudera, 亚马逊雅典娜, Plotly, 卡夫卡流, Esri, N8n, Keycloak, GitLab CI / CD, Vault

Paradigms

数据科学，敏捷，微服务架构，微服务

Languages

SQL, Python, c++， Fortran, IDL, Go

Storage

PostgreSQL, Hasura

Platforms

OS X, Docker, 亚马逊网络服务(AWS)， Linux, Apache卡夫卡, Heroku, Kubernetes

框架

Streamlit, Swagger, Spark, Hadoop

Other

数据分析, 探索性数据分析, 机器学习, 工程数据, 数据可视化, 深度学习, RESTful Microservices, Data, IT项目管理, Dagster, 数据构建工具(dbt), MinIO, Metabase, GitOps, 阿尔戈工作流, LDAP, IBM Cloud, Research, 科学数据分析, 数学, 先进的物理

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

分享你的需求

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

选择你的才能

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

开始招聘