Data Scientist.Salariat

Les données agricoles arrivaient dans des formats variés et nécessitaient une couche unifiée de stockage et de calcul pour l’analyse et le développement du produit.

Conçu et déployé une infrastructure de données en production combinant un data lake Hadoop, un cluster Apache Spark et Elasticsearch. Traité plusieurs centaines de gigaoctets de données agricoles provenant de plusieurs sources et construit des pipelines d’ingestion et de transformation pour produire des données prêtes pour le machine learning.

Le MVP smart farming destiné aux agriculteurs nécessitait des prévisions de rendement des cultures à partir des données agricoles.

Développé des modèles de prévision du rendement des cultures fondés sur la régression, principalement pour le maïs, avec des modèles complémentaires pour les haricots. Obtenu un R² supérieur à 80 % dans la plupart des cas.

Le produit devait présenter aux agriculteurs des prévisions de rendement et des visualisations de données agricoles.

Développé des modèles de prévision du rendement des cultures pour le MVP d’une application web destinée aux agriculteurs, associant fonctionnalités prédictives et visualisations Apache Superset. L’application était encore en phase de test à mon départ.

La direction de Société Générale Maroc avait besoin d’une exposition structurée aux applications data et IA dans la banque pour orienter ses priorités stratégiques.

Conçu le contenu de formation et développé les cas d’usage de lab adaptés aux applications data et IA bancaires, livrés à la direction de Société Générale Maroc dans le cadre d’une mission de formation unique.