Sabeur JEDID
Ingénieur fabrication additive | Analyse de données
Python
SQL
Docker
Ce portfolio présente des projets autour du traitement des données et de l'automatisation IoT logs APIs
- Ingestion
- Stockage
- Automatisation
Parcours
Master mécanique des matériaux
2015
INSA Rouen
Master calculs numériques
2018
Université d'Évry
Ingénieur fabrication additive
2018–2023
CTIF
Ingénieur méthodes numériques (FA)
2023–2026
CETIM
Compétences Data
Pipelines data — de bout en bout
01
Ingestion
- Lire et intégrer des données CSV, Excel, JSON, API et logs
- Parser des fichiers hétérogènes et standardiser les formats d'entrée
- Gérer les erreurs de lecture, fichiers manquants et encodages
Stack
Python · pandas
02
Préparation
- Contrôler types, nulls, doublons, formats de date et valeurs incohérentes
- Nettoyer et normaliser colonnes, unités, libellés et identifiants
- Tracer les anomalies dans des logs ou fichiers de contrôle
Stack
pandas · Python
03
Transformation
- Construire des tables propres à partir de données brutes
- Créer des agrégations, indicateurs, colonnes calculées et jointures
- Structurer des jeux de données exploitables pour analyse ou reporting
Stack
SQL · Python
04
Modélisation
- Créer des tables relationnelles avec clés, types et contraintes simples
- Charger les données avec logique d'insert, update ou upsert
- Optimiser les requêtes de base avec index et filtres adaptés
Stack
SQL
05
Mise à disposition
- Préparer des vues, exports et datasets prêts pour usage métier
- Servir les données vers dashboard, reporting ou API simple
- Documenter les colonnes, règles de calcul et sources utilisées
Stack
SQL · CSV · JSON · FastAPI
06
Automatisation
- Automatiser les traitements avec scripts planifiés ou conteneurisés
- Versionner le code, gérer la configuration et journaliser l'exécution
- Rendre un pipeline reproductible, relançable et maintenable
Stack
Git · Docker
