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 ?