Développeur Fullstack Python - Aws - Innovation & Data Engineering H/F

Celaneo

Le besoin

Développeur Fullstack Python / AWS - Innovation & Data Engineering

Contexte de la mission

Au sein de la Direction Innovation d'un grand groupe, participation à la conception et au développement de solutions innovantes exploitant les technologies Cloud AWS, les API REST et les services de traitement de données. Intervention depuis les phases de cadrage jusqu'à la mise en production de Proofs of Concept (POC), avec pour objectif d'industrialiser les solutions retenues et de faciliter leur intégration dans le système d'information.

Réalisations

• Participation aux ateliers de conception technique et à l'étude de faisabilité des projets innovants.

• Développement de Proofs of Concept (POC) autour de l'automatisation des traitements de données et de l'intelligence artificielle.

• Conception et développement de services Backend en Python 3 exposant des API REST sécurisées.

• Mise en oeuvre d'architectures Cloud sur AWS utilisant notamment Lambda, API Gateway, S3, IAM, RDS, DynamoDB et Cognito.

• Développement de traitements de Data Engineering avec Pandas, PySpark, AWS Batch et traitements multithread pour l'analyse de données volumineuses.

• Déploiement et gestion des infrastructures Cloud via Terraform (Infrastructure as Code).

• Développement de scripts d'automatisation avec Boto3 pour l'administration des ressources AWS.

• Conception et optimisation des modèles de données SQL et NoSQL.

• Participation aux travaux de documentation technique (diagrammes d'architecture, flux applicatifs, documentation API).

• Mise en place des pipelines CI/CD avec Git et automatisation des déploiements.

• Déploiement et exploitation des applications sur des environnements Linux.

• Réalisation d'une veille technologique autour de l'IA générative, du NLP, des LLM et des services AWS Bedrock afin d'évaluer leur intégration dans les futurs projets.

• Participation aux ateliers de transfert de compétences et accompagnement des équipes d'exploitation lors des mises en production.

Environnement technique

• Cloud : AWS (S3, Lambda, API Gateway, IAM, RDS, DynamoDB, Cognito, AWS Batch)

• Infrastructure as Code : Terraform

• Langages : Python 3

• Bibliothèques : Boto3, Pandas, PySpark

• API : REST

• Bases de données : PostgreSQL, MySQL, DynamoDB

• Versionning : Git

• Systèmes : Linux

• Data Science : Machine Learning, NLP, LLM, AWS Bedrock

• Méthodologie : Agile / Scrum