Développeur Python, AWS | Data Engineer · Senior · Saint Maur des Fosses, France

∠ Le développement des APIs avec Flask et FastAPI. ∠ Gérer l’exécution asynchrone des APIs FastAPI à l’aide de Asyncio. ∠ Utilisation de PyMongo pour l’insertion, la suppression et la modification des données dans une base de données MongoDB. ∠ La rédaction de documentation technique sur Confluence. ∠ Le développement et la gestion de la base de données. Environnement technique : Python 3.8 Django Flask FastApi MongoDB PyMongo SQlAlchemy Psycopg2 Pytest Gitlab Postman pgAdmin Pydantic Asyncio PostgreSQL MobaXterm Jira Confluence

∠ Le développement des APIs GraphQL pour la gestion de backend CDH. ∠ Le développement des fonctions avec Boto3 (AWS SDK for Python) pour interagir avec les différents services AWS (ECS, S3, Athena, Glue, … etc). ∠ Le développement des scripts Python pour l’alignement et le nettoyage des ressources sur les différents comptes AWS des clients (utilisateurs de l’application CDH). ∠ Utilisation des modèles Cloud Formation pour créer automatiquement des fonctions lambda et pour déployer les repos Github sur les fonctions Lambda. ∠ Création des Step Functions, qui permettra de lancer plusieurs traitements d’une manière synchrone. ∠ Le développement des Job Glue avec Python PySpark, pour le traitement des données stockés dans les buckets S3. ∠ Création des Cloud Watch events (Eventbridge), qui permettra d’automatiser l’exécution des traitements sur les différents fonctions Lambda. ∠ Création des crawler Glue avec python boto3, qui permettra de créer des générer des tables Glue, à partir des fichiers CSV stockés dans les buckets S3. ∠ L’utilisation de Amazon Athena pour lancer des requêtes SQL sur les tables Glue (Metadatas). ∠ Review et validation des pull requests (PR) crées par les autres développeurs sur Github. ∠ le déploiement continue sur les différents environnement (Dev, Préprod, Prod) avec Jenkins. ∠ le développement des tests unitaires et des tests d’intégration avec Pytest. ∠ le développement des BDD (Behavior Driven Development) avec le framework Python, Behave. ∠ L’identification et correction des bugs et des anomalies à l’aide des services AWS CloudWatch et CloudTrail. ∠ La rédaction de documentation technique et fonctionnel sur Confluence (en anglais). ∠ L’encadrement des nouveaux développeurs backend (en français et en anglais). Environnement technique : Python 3.8 AWS GraphQL SQlAlchemy Boto3 PySpark Pytest Behave Github Jenkins Docker-compose Amazon Linux PostgreSQL Jira Confluence AWS Athena AWS Glue AWS Cloud9 AWS IAM AWS S3 AWS Lambda AWS KMS AWS AppSync AWS CloudFormation AWS EC2 AWS ECS AWS CloudWatch AWS Step Functions AWS CloudTrail AWS LakeFormation AWS SageMaker

∠ Développement des API avec Flask, pour l’intégration des différentes règles d’incohérences dans l’application CODEX. ∠ Développement des API avec Flask, pour l’historisation des données de SFR. ∠ Développement et gestion de la base de données avec DBeaver. ∠ Développement des scripts Python pour l’analyse et traitement des sources de données (check, nettoyage, intégration en base PostgreSQL). ∠ Création d’un pipeline de streaming de données avec Python et Apache Kafka. ∠ Développement d’un système de détection des anomalies (avec la librairie Python : ADTK) à partir la série temporelle d’activité réseau (Logradius) de chaque routeur. ∠ Création des Dags dans la plateforme Apache Airflow pour l’automatisation de l’exécution des scripts Python. Environnement technique : Python 3.8 Flask SQlAlchemy PostgreSQL Psycopg2 DBeaver Gitlab Pandas Apache Airflow Apache Kafka WinSCP Putty QlikView

∠ Développement d’une application de supervision de réseaux à base de Raspberry Pi pour le client SFR Business. ∠ Développement des API Python, pour la supervision de réseaux à base de Raspberry Pi. ∠ Développement d’une application Web avec Python Django basée sur Amazon Connect. ∠ Déploiement de l’application web sur une instance Amazon EC2. ∠ Utilisation d’Amazon Forecast pour prédire la quantité de vente d’un produit dans un intervalle de temps, sur la base d’une série chronologiques de données. Environnement technique : Python 3.6 Django Winscp Putty AWS Amazon S3 Amazon EC2 Amazon Connect Amazon Forecast Amazon IAM Amazon RDS Amazon SES Amazon CLI BOTO3

∠ Analyse et visualisation des données pour le projet de sciences participatives SPIPOLL. ∠ Développement d’algorithmes de Clustering pour la classification automatique des commentaires du site SPIPOLL. ∠ Rédaction et publication des résultats dans des conférences et des revues scientifiques. Environnement technique : Python 3.4 Pandas Numpy Matplotlib NLTK Psycopg2 NumPy Scikit-learn. Gephi phpMyAdmin

∠ Développement d’un système ERP pour la gestion des fermes agricoles. ∠ Développement d’un système ERP pour la gestion de l’irrigation (Smart irrigation). ∠ Création et développement des nouveaux modules sur ODOO. ∠ Gestion des droits d’accès des utilisateurs sur ODOO. Environnement technique : GitLab ODOO 10 Python 2.7 GCP WinSCP PHP HTML CSS