Data Engineer

Ontwerp en implementatie van een prognoseplatform - Engie (Frans, wereldwijd energiebedrijf)

• Ontwerp en implementatie van een uitgebreid voorspellingsplatform op maat van de wereldwijde energiesector.
• Ontwikkelde datapijplijnen met Python en PySpark, voor efficiënte en schaalbare gegevensverwerking.
• Orkestreerde taakworkflows met behulp van Airflow en Databricks, waarbij taakbeheer en -uitvoering werden geoptimaliseerd.
• Implementeerde datatechnische processen met behulp van Delta Live Tables (DLT) van Databricks voor robuust datamanagement.
• Het bouwen en implementeren van pipelines voor gegevensstroomverwerking met behulp van DLT's, waardoor real-time gegevensverwerking mogelijk werd.
• Ontwikkelde Feature Store API's voor interactie met componenten en creëerde herbruikbare sjablonen om processen te standaardiseren.
• Gebruikte MLflow voor het bouwen, beheren en volgen van experimenten en machine learning-modellen, om rigoureuze experimenten te garanderen.
• De levenscyclus van ML-modellen beheerd met behulp van MLOps-technieken, herbruikbare sjablonen geïmplementeerd voor consistentie en efficiëntie.
• Maak dashboards voor data-analyse en visualisatie, om datagestuurde besluitvorming mogelijk te maken.
• Ontwikkelde API's met behulp van .NET/C# om gegevens te ontsluiten, voor naadloze integratie en toegankelijkheid tussen systemen.
• Gebruikte tools zoals Databricks, PySpark, Python, R, SQL, Glue, Athena, Kubernetes en Airflow om een robuuste en schaalbare oplossing te leveren.

• Ontwikkelde generieke datapijplijnen om ruwe klantgegevens te transformeren naar een formaat dat compatibel is met het datamodel van het demosysteem voor promotieplanning;
• Schreef scripts om zinvolle bedrijfsgegevens te genereren en zorgde ervoor dat deze in lijn waren met de behoeften van de applicatie;
• Werkte samen met het wetenschappelijke team om de zakelijke vereisten te begrijpen en de nodige gegevenstransformaties te bepalen om de bruikbaarheid van gegevens te verbeteren;
• Ontwerpen en implementeren van een generieke PySpark codebase die gegevens efficiënt transformeert zodat ze passen in het vereiste datamodel;
• Gebruikte tools zoals PySpark, JupyterHub, Kubernetes en Azure Data Lake om het project uit te voeren en te ondersteunen.

• Leidde projecten gericht op de integratie van Large Language Models (LLM) en AI-technologieën en stimuleerde innovatie binnen de organisatie;
• Assisteerde bij het ontwerpen en implementeren van oplossingen voor gegevensmigratie en zorgde zo voor naadloze overgangen voor verschillende klanten;
• Ontwikkelde integraties en clients voor vectordatabases, waarbij gebruik werd gemaakt van verschillende open-source AI-tools om de mogelijkheden te vergroten;
• Actief communiceren met klanten om vereisten te verzamelen en ervoor te zorgen dat deze overeenkomen met hun specifieke behoeften;
• Gebruikt tools zoals Python, Google Cloud Platform (GCP) en Datastax om robuuste oplossingen te leveren.

• Ontwierp en implementeerde datapijplijnen voor zowel batch- als streamverwerking, waarbij de gegevensstroom en efficiëntie werden geoptimaliseerd;
• Onderzoeken en implementeren van datapijplijnen met behulp van AWS Glue en PySpark, om schaalbaarheid en robuustheid te garanderen;
• Delta Lake geïntegreerd in de pijplijnen om deltaverwerking mogelijk te maken, waardoor de mogelijkheden voor gegevensbeheer zijn verbeterd;
• Taaksjablonen ontwikkeld met behulp van Jinja om het maken en beheren van gegevensverwerkingstaken te stroomlijnen;
• Het bouwen en automatiseren van datavalidatiepijplijnen om de nauwkeurigheid en betrouwbaarheid van verwerkte gegevens te garanderen;
• Trino geïmplementeerd en geconfigureerd om efficiënte gegevenstoegang en query's over verschillende bronnen mogelijk te maken;
• Voorbereiding van uitgebreide documentatie voor elke component en tool die is onderzocht, om kennisoverdracht en eenvoudig onderhoud te garanderen;
• Gebruikte tools zoals Python, PySpark, Glue (Jobs, Crawlers, Catalogs), Athena, AWS, MWAA (Airflow), Kubernetes, Trino en Jinja om projectdoelen te bereiken.

• Leidde het team bij het bouwen van datapijplijnen ter ondersteuning van de promotieplanningsoplossing van een retailer;
• Deelgenomen aan vergaderingen met business- en data science-teams om de projectbehoeften te begrijpen en te identificeren;
• Werkte samen met het team om business requirements te vertalen in bruikbare epics en stories;
• Ontwierp en implementeerde de geïdentificeerde zakelijke vereisten en zorgde voor afstemming op de projectdoelen;
• Ontwikkelen en uitvoeren van unit tests om de functionele correctheid van implementaties te garanderen;
• Het maken van een data loader applicatie met behulp van Scala Spark om data te laden van Parquet bestanden naar Cosmos DB/Cassandra API;
• Implementeerde een online voorspellings-API met behulp van Scala, Akka en Docker om real-time promotievoorspellingen mogelijk te maken;
• Managede de implementatie van het project op het Kubernetes-cluster van de klant en zorgde voor een soepele werking en integratie;
• Gebruikte tools zoals Scala, Spark, Azure Databricks, Azure Data Lake en Kubernetes om projectdoelen te bereiken.