CEO & Founder

Thibault Djaballah

Avec plus de 7 ans d'expérience en développement backend Python, Big Data et Machine Learning, je suis un touche-à-tout technique qui aime transformer des idées complexes en solutions robustes et élégantes.

Ă€ propos de moi

Ingénieur de formation, j'ai quitté Paris après le confinement pour m'installer à Montpellier, où j'ai fondé Datooine Technologies.

Mon objectif : concevoir des solutions simples, efficaces et open source.


En dehors du code, je suis passionné de cinéma, de badminton et de triathlon.

Compétences

Un aperçu de ce que je peux mettre en place pour votre projet.

Domaines

  • Machine Learning
  • Big Data
  • Analyse de donnĂ©es
  • DĂ©veloppement d'API web
  • DevOps
  • MLOps
  • Data visualization

Langages & Frameworks

  • Python
  • MongoDB
  • Hive
  • SQL
  • Apache Spark
  • TensorFlow
  • Scala
  • Docker
  • Kubernetes
  • Hadoop

Cloud

  • Google Cloud Platform (GCP)
  • Microsoft Azure
  • Amazon Web Services (AWS)

Outils BI

  • Microsoft Power BI
  • Tableau

Expérience

Software Engineer
Schlumberger (via Datooine Technologies) , Montpellier, FR
2022 - Present

Développement d'un serveur backend Python, permettant d'estimer les émissions eqCO2 des projets Schlumberger.

  • Analyse des objectifs du client et clarification des besoins pour un MVP.
  • Mise en place de la pipeline CI/CD sur Microsoft Azure.
  • ModĂ©lisation d'une solution simple et gĂ©nĂ©rique estimant le coĂ»t carbone d'un camion, d'une plateforme pĂ©trolière ou d'un Ă©lĂ©vateur artificiel par exemple.
  • DĂ©veloppement d'un serveur FastAPI en Python couplĂ© Ă  un MongoDB cĂ´tĂ© data.
  • IntĂ©gration d'autres API Schlumberger au sein de notre application.

Machine Learning Engineer
Criteo, Paris, FR
2019 - 2022

J'ai rejoint l'équipe en charge des modèles de bidding estimant le prix d'achat des opportunités d'affichage des bannière publicitaires.

  • AmĂ©lioration continue des modèles de bidding estimant les probabilitĂ©s de clics, visites et de ventes.
  • ExpĂ©riences offline visant Ă  dĂ©passer les performances de nos modèles plus classiques par des modèles Tensorflow.
  • Calculs de meilleures audiences pour nos clients en se basant sur une nouvelle approche moyennant l'utilisation d'embeddings.
  • Mentoring et ramp-ups des nouveaux arrivants au sein de l'Ă©quipe.
  • Je suis devenu au fil des annĂ©es le point de contact au sein de l'entreprise pour toutes les questions techniques portant sur le code dont nous Ă©tions propriĂ©taires.

Data Scientist
Renault Digital, Boulogne-Billancourt, FR
2017 - 2019

Au sein de l'équipe Data de la digital factory de Renault, nous accompagnions les différents métiers de Renault sur leurs problématiques Data.

  • DĂ©veloppement d'un POC de maintenance prĂ©dictive et dĂ©tection automatique de dĂ©fauts qualitĂ© Ă  partir de donnĂ©es issues des machines de production pour le dĂ©partement Manufacturing.
  • DĂ©veloppement d'un produit Big Data (backend en Spark) pour calcul et analyser l'enrichissement des voitures du groupe pour le contrĂ´le de gestion.
  • Plusieurs formations sur l'usage de la data et de la data science aux employĂ©s du groupe Renault.

Data Analyst
KPMG, Paris La Défense, FR
2017

Stage de fin d'études au sein de l'équipe Data Science & Analytics de KPMG France.

  • Mes principales activitĂ©s consistaient Ă  appliquer des algorithmes classiques de machine learning au sein d'un dataset donnĂ© par le client et crĂ©er un dashboard avec les donnĂ©es et leurs prĂ©dictions. La segmentation d'une clientèle donnĂ©e Ă©tait un cas d'usage rĂ©current.

Éducation

Ingénieur Civil des Mines
Ecole des Mines de Saint-Etienne, Saint-Etienne, FR
2013 - 2016

Big Data : Fouille de données - Organisation de données - Méthodes mathématiques pour la grande dimension - Système d'Informations pour le Big Data
Data Science : Analyse de données - Apprentissage statistique - Machine learning - Computer experiments - Expériences numériques - Optimisation - Régression - Classification
Gestion et finance d'entreprise : Comptabilité générale et analytique - Diagnostic financier - Simulation de gestion - Politiques et modes de financement - M&A

Interdisciplinary Program in Technology, Management and Policy
Seoul National University, Seoul, KR
2016

Methodologies for Technology Management, Economics and Policy
Technology and Commercialization
Agent-Based Modeling of Socio-Economic Complex Systems

Master Recherche Modélisation & Mathématiques Appliquées
Université Jean Monnet, Saint-Etienne, FR
2015-2016

Approches déterministes et statistiques : apprentissage statistique de modèles déterministes - optimisation en domaine incertain - risque financier

Envie de travailler avec moi ?