Abderrahmane Sefrani

Stage PFA - Data engineer @ OCP Group

About

Élève-ingénieur en 5ème année en ingénierie des données à l'ENSAH, je suis passionné par la conception et l'optimisation de systèmes capables de traiter et de valoriser des volumes massifs de données. Mon objectif est de devenir Ingénieur Data Engineer, spécialisé dans les écosystèmes Big Data et Cloud. Mon expérience la plus significative chez OCP Group m'a plongé au cœur de l'industrie 4.0. J'y ai développé un pipeline de géolocalisation en temps réel pour les engins industriels. Ce projet m'a permis de maîtriser l'architecture de streaming de bout en bout : Ingestion et médiation des données IoT (LTE-M, GPS) Traitement en flux continu avec Apache Kafka et PySpark Stockage optimisé dans des bases de données (PostgreSQL, InfluxDB) Visualisation via un dashboard interactif (Streamlit) En parallèle de mon expertise en Big Data, je nourris un fort intérêt pour l'IA et le NLP. J'ai développé des modèles de Deep Learning (Keras) pour la reconnaissance d'images et exploré des architectures avancées (Transformers, LLM) pour la traduction automatique. 🔹 Big Data & Streaming : Apache Kafka, PySpark, Airflow 🔹 IA & Data Science : Machine Learning, Deep Learning (Scikit-learn, Keras, TensorFlow), NLP (spaCy, Transformers) 🔹 Cloud & DevOps : Azure , Docker 🔹 Bases de Données : PostgreSQL, InfluxDB, MySQL, MongoDB ,ORACLE 🔹 Programmation : Python (expert), Java (Spring), C 🔹 Outils & BI : Streamlit, Power BI, Git, VS Code

Country

Morocco

City

Casablanca

Industry

Information Technology & Services

Skill

FastAPI, Streamlite, Interface de programmation d’application (API), Java, Spring Boot, spring data jpa, Thymeleaf, Architecture MVC, NLP (Pipeline de données), Maven, Administration système Linux, Systèmes de fichiers, cubic, Administration du système d’exploitation, Linux, Cubic, Système de Fichiers, Vision par ordinateur, Keras, TensorFlow

Experience

Stage PFA - Data engineer

OCP Group

2025-7 - 2025-9 · 3 mos

Jorf Lasfar

Projet de développement d'un pipeline de géolocalisation en temps réel pour les engins industriels dans un contexte Industrie 4.0. Conception & Spécifications : Rédaction du cahier des charges détaillé et étude approfondie des technologies IoT & LPWAN (LTE-M, GPS, BLE). Architecture Data : Conception d'une base de données relationnelle (PostgreSQL) pour la gestion des métadonnées. Pipeline Big Data : Construction d'un pipeline complet pour la médiation, l'ingestion (Apache Kafka) et le traitement en temps réel (PySpark). Stockage & Visualisation : Mise en place d'une base de données Time Series (InfluxDB) et développement d'un tableau de bord interactif (Streamlit) pour la visualisation. Environnement Technique : Python, Apache Kafka, PySpark, PostgreSQL, InfluxDB, Streamlit, VS Code.