Nour Bouaziz

• • Implémentation de moteurs de calcul financier complexes (amortissement, intérêts, passif et actif, P&L, conversion) en appliquant les principes SOLID et les design patterns : Factory, Builder, Strategy, Adapter, Facade

• • Conception et optimisation de modèles de données OLAP pour le reporting financier à grande échelle ; traitement de fichiers volumineux avec les collections Java optimisées en mémoire et en performance

• • Application du Domain-Driven Design (DDD) avec séparation claire des couches métier, I/O et service

• • Pratiques TDD/BDD avec JUnit & Mockito ; surveillance de la qualité du code (couverture, duplications, vulnérabilités) via SonarQube sur Jenkins

• • Gestion du traitement multi-thread avec collections concurrentes et stratégies de synchronisation pour prévenir les race conditions et réduire la pression sur le garbage collector

• • Construction de pipelines d'ingestion de données transformant les formats clients vers un modèle applicatif standardisé, avec contrôles de cohérence pour éviter les erreurs silencieuses

• • Utilisation d'outils de monitoring pour investiguer les incidents en production et analyser les problèmes de performance ; profiling Java pour identifier les goulots d'étranglement

• • Contribution au pipeline CI/CD via Jenkins ; participation aux cérémonies Agile, revues de code et synchronisations inter-équipes

• • Accompagnement des équipes métier lors des phases de recette ; gestion des correctifs urgents en production et analyse d'anomalies : Java 8/17, Java Expression Language, JUnit, Mockito, ReactJS, OLAP, Maven, Docker, Jenkins, SonarQube, TDD/BDD, DDD, Git, SVN, SCRUM, Eclipse, Grafana

:

• • Conception, développement et déploiement d'un nouveau module applicatif de bout en bout : du recueil des besoins jusqu'à la mise en production

• • Rédaction des spécifications techniques et éstimation des tâches

• • Évaluation des exigences fonctionnelles et techniques client ; rédaction de spécifications techniques détaillées

• • Création d'un nouvel endpoint API permettant les transferts d'argent pair-à-pair sans double vérification par SMS

• • Implémentation d'une logique de catégorisation des transactions, permettant aux utilisateurs de taguer et segmenter leur historique de paiements

• • Ajout d'une couche de sécurité via un module de reconnaissance d'appareil lors des transactions

• • Développement d'un module de filtrage du vocabulaire inapproprié dans les messages de transaction

• • Implémentation de 3 modèles de Machine Learning (français, anglais, dialecte tunisien) pour détecter les discours haineux dans les messages

• • Collecte et prétraitement des jeux de données d'entraînement pour les tâches de classification de texte