Votre navigateur est obsolète !

Pour une expériencenet et une sécurité optimale, mettez à jour votre navigateur. Mettre à jour maintenant

×

Souheila TLATI

Data Scientist

Data Scientist
Machine learning
Statistiques
Python
Souheila TLATI
33 ans
Permis de conduire
Carrières-sur-Seine (78420) France
Situation professionnelle
En poste
Indisponible
CV réalisé sur DoYouBuzz

Ingénieur Data - Data Scientist

Safran Engineering Services
Depuis mai 2019
Saclay
  • Mission : SAFRAN Aircraft Engines (En cours)
    Objectif : Health monitoring
    • Visualisation et analyse statistique des données de vol
    • Mise en place d'approche permettant de detecter des comportements singuliers.

    Mission : SAFRAN Electronics and Defense (En cours)
    Objectif : Analyse et exploitation des données textuelles issus des FFTP.
    • Mise en place d'un POC utilisant des méthodes NLP permettant d'identifier indicateurs : signaux faibles, récurrences..
      Environnement technique : Python, Jupyter,

    Mission : Projet Innovation Sensession
    ++Objectif ++ : Projet Innovathon : Conception et prototypage d'un outil de centralisation et d'aide au traitement des dérogations.
    • Animation de l'équipe Data : définition des objectifs des Sprints, répartition des tâches, suivis de réalisation, revus des tâches.
    • Mise en place d'un module intelligent permettant de détecter les Changements à la * Définition (CAD) et prédire des nouvelles limites de tolérance : Analyse statistique des données BE, implémentation de différentes méthodes d'apprentissage supervisé.
    • Mise en place et maintient du Gitlab du projet : définition du workflow et la gestion de configuration (branching model)
    • Définition de l'architecture de la base de donnée de l'outils
      Environnement technique : Python, Jupyter, Git,

    Mission : SAFRAN Aircraft Engines
    ++Objectif ++ : Accompagner l'équipe IMD dans la conception d'un outil visant à centraliser le suivi des données de production et de contrôle des différents CEI : SIGMA-OMEGA
    • Implémentation et mise en production de scripts permettant la collecte de la donnée sous format SIGMA dans différentes entités de production.
    • Aide à la rédaction des exigences métiers et statistiques : carte de contrôle, Pareto...
    • Recueil du besoin métier.
    • Prototypage d'un outil de calcul de critères complexes
    • Documentation technique de l'outils mise en place
      Environnement technique : Python, Flask, Jupyter, Sphinx

    Mission : SAFRAN Aircraft Engines
    ++Objectif ++ : Amélioration et industrialisation d'un outils d'optimisation nombre de mesures des paramètres dimensionnels de manière auto-adaptative : COSTA
    • Prise en main de l'outils en place : bibliographie, algorithme et code.
    • Implémentation d'amélioration : optimisation de paramètres de l'algorithme « filtre à particule », prise en compte de la distribution des mesures pour le calcul statistique, modification de l'architecture de la base de données.
    • Mise en place dune API REST pour l'interaction avec la base de données et l'algorithme.
    • Développement d'un outil de monitoring et de Data Visualisation : Arbre de dépendances, suivie d'indicateurs statistiques (probabilité d'échantillonnage, paramètres du filtre à particule)
    • Conception et mise en place de containers (Docker) pour les différents composants du système et d'un réseau de communication entre container.
    • Documentation technique des différents
      Environnement technique : Python (Pandas, Dash, Falcon, Sqlalchemy) Docker, SQLite, Jupyter, Git, Sphinx

    Mission : SAFRAN Aircraft Engines
    ++Objectif ++ : Développement d'un outil permettant d'optimiser le nombre de contrôles liés à des cotations de caractéristiques répétitifs : RSPOC
    • Conception et développement dun interface R Shiny permettant limport de fichier de données, la configuration et le paramétrage des cotations (choix de la latéralité, cotations à échantillonnées)
    • Calcul des nouvelles limites de tolérance (réduites) : régression linéaire, limite de prédiction
    • Calcul du CPk en output intelligent avec un test de normalité préalable.
    • Proposition de nouvelles approches algorithmique.
      Environnement technique : R, R Shiny