Badre (Abderrahmane) Alloul
Softwareingenieur für Geodaten
Erfahrungen
Geospatial Software Engineer
INRAe – French National Research Institute
- Einen Forschungsprototyp für Hochwasserschäden in ein produktionsreifes Python-Paket mit modularer Architektur und pytest-Abdeckung umgewandelt und damit die Zuverlässigkeit bei wiederkehrenden Einsätzen verbessert.
- Ein PyQGIS-Plugin (NDVI/EVI/NDWI/NBR) für über 15 Feldnutzer entwickelt; Schulungen und zweisprachige Dokumentation für Hydrologen und Krisenteams bereitgestellt.
- Dask/xarray-Workflows für multi-TB Sentinel-2- und ERA5-Land-Datensätze auf SLURM-Clustern entworfen und dadurch die landesweite Analysezeit von Tagen auf Stunden reduziert.
- STAC-Kataloge (Copernicus, Theia) mit hydrologischen Statistiken (Q10/Q50/Q90, Niedrigwasser-Indizes, Trendanalysen) für API-Export und Entscheidungs-Dashboards integriert.
- BigQuery für Zeitreihenabfragen von Sentinel-2- und Klimadaten genutzt, um Forschern und Behörden schnelle Ad-hoc-Überwachung von Vegetation und Wasser zu ermöglichen.
Computational Hydrologist
REOR20 AG
- Eine auf S3 basierende Datenlake für Hochwasserrisiken mit STAC-Katalog und COG-Rastern entworfen und damit das Rückgrat einer skalierbaren Gefahren-Dateninfrastruktur geschaffen.
- Dask/xarray-Pipelines entwickelt, die über 10 TB/Monat Copernicus-Klimadaten (NetCDF, GRIB) für Hochwasser- und Klimamodelle verarbeiten und für SLURM-Cluster mit vorab kündbaren Instanzen optimiert sind.
- Eine FastAPI/Pydantic-REST-API entworfen und dokumentiert, die PostGIS-Gefahrenlayer mit sub-sekündlichen Antwortzeiten für Client-Dashboards bereitstellt.
- Die landesweite DEM-Verarbeitung (GDAL/SAGA) in analysereife COGs automatisiert und so die manuelle Vorverarbeitung von Tagen auf Stunden verkürzt.
- Ein U-Net-Modell (TorchGeo, Sentinel-2) feinabgestimmt, um Gebäudekonturen für Hochwasserschadensmodellierung und Risikoabschätzung zu segmentieren.
- Mit Produktteams und internationalen Kunden zusammengearbeitet, um technische Gefahrendaten in entscheidungsfertige Karten, Berichte und Workshops (FR/EN) zu übersetzen.
Energy Systems & Data Engineer
ENGIE – Compagnie Nationale du Rhône
- Einen cloudnativen Reporting-Service (S3 + AWS Lambda) konzipiert, um Wasserkraft- und Klimaindikatoren, die in Lenkungsausschüssen und regulatorischen Berichten genutzt werden, zu automatisieren.
- SCADA- und ERA5-Daten zusammengeführt, um die Wasserkraftproduktion (MW, MWh, Auslastungsfaktoren) zu prognostizieren und Abschaltungsrisiken sowie Umsatzszenarien für ENEDIS/RTE zu quantifizieren.
- Abhängigkeiten von Staudamm-Kaskaden als gerichteten Graphen (NetworkX) modelliert, um Risikoanalysen und Compliance für verbundene Anlagen zu unterstützen.
- Ein Tool zur Standortbewertung erneuerbarer Energien (geopandas + MCDA) entwickelt, um über 5.000 PV- und Wind-Standorte zu priorisieren; Ergebnisse mit ENEDIS/RTE zur Abstimmung von Netzanschlussplänen genutzt.
- OnSSET-basierte Least-Cost-Elektrifizierungs-Szenarien für 50 netzferne Standorte (PV, Wind, hybride Mini-Netze) berechnet, indem ERA5-Ressourcen, Siedlungsdaten und Verstärkungskosten kombiniert wurden, um Machbarkeitsstudien für Energiezugang im MENA-Raum zu unterstützen.
- OnSSET-Ergebnisse (CAPEX/OPEX pro kWh, LCOE, Anschlusszeitpläne) in zweisprachige Briefings und Workshops für ENEDIS/RTE aufbereitet, um Netzplanung mit lokalen Zugangsprioritäten abzugleichen.
- Erkenntnisse Asset Managern, Übertragungsnetzbetreibern (TSOs) und Strategie-Teams präsentiert und sichergestellt, dass technische Erkenntnisse von nicht-technischen Stakeholdern verstanden und umsetzbar sind.
GIS & Spatial Database Engineer
ANBT – National Agency for Dams
- Eine PostgreSQL/PostGIS-Datenbank für über 150 Staudämme entworfen und dabei eine räumliche Abfrageleistung unter 500 ms für Planungsanwendungen erreicht.
- Datenbankperformance durch partitionierte Tabellen und mehrspaltige GiST-Indizes optimiert, wodurch komplexe räumliche Joins von Minuten auf unter 1 Sekunde reduziert wurden.
- Automatisierte Ableitung von IDF-Kurven für nicht vermessene Einzugsgebiete, wodurch manuelle Analysen von Stunden auf Minuten verkürzt und die Standortauswahl beschleunigt wurde.
- Ein PyQGIS-Plugin für automatisierte DEM-Analyse und Wasserscheidelinien-Generierung entwickelt, das Feldteams ermöglicht, Staudammstandorte in unter 30 Minuten zu bewerten.
Zusammenfassung
Geodatenwissenschaftler mit über 5 Jahren Erfahrung darin, Forschungsprototypen in produktionsreife räumliche Workflows, Hochwasser-/Klimarisikomodelle und Entscheidungswerkzeuge für Energie-, Wasser- und Agrarumweltprojekte zu überführen.
Experte im Python-Geodaten-Stack (geopandas, rasterio, GDAL, xarray, Dask), GIS (QGIS/ArcGIS) und räumlichen Datenbanken (PostGIS, BigQuery) mit praktischer Erfahrung in der Optimierung von Wasserkraft, Auswahl erneuerbarer Standorte, kostengünstiger Elektrifizierung (OnSSET) und Nachfrageprognosen für netzferne PV- und Windanlagen.
Motiviert, geodatenbasierte Intelligenz zu skalieren, um nachhaltige, inklusive Infrastruktur und Energiezugang voranzubringen.
Fähigkeiten
- Programmierung: Python (Numpy, Scipy, Pandas), Bash, Lua
- Geodaten & Gis: Geopandas, Shapely, Rasterio, Gdal/ogr, Xarray, Dask, Qgis (Pyqgis), Arcgis, Geoserver (Wms/wfs)
- Daten & Cloud: Postgresql/postgis, Bigquery, Geotiff, Netcdf, Grib, Cog, Stac, Aws (S3, Lambda, Ec2), Docker, Slurm
- Web & Apis: Fastapi, Rest Apis, Leaflet, Folium, Mapbox
- Ml & Fernerkundung: Scikit-learn, U-net (Torchgeo), Landnutzungsklassifikation, Spektralindizes (Ndvi, Evi, Ndwi, Nbr)
- Werkzeuge: Jupyterhub, Pytest, Git, Linux
Sprachen
Ausbildung
Grenoble INP – ENSE3
Master of Science in Wasserbau und Bauingenieurwesen · Wasserbau & Bauingenieurwesen · Grenoble, Frankreich
École Nationale Supérieure d’Hydraulique (ENSH)
Bachelor of Engineering in Wasserressourcen-Ingenieurwesen · Wasserressourcen-Ingenieurwesen · Algerien
École Polytechnique Nationale d’Algérie
Vorbereitungskurse in Angewandter Mathematik und Physik · Angewandte Mathematik & Physik · Algerien
Profil
Frequently asked questions
Sie haben Fragen? Hier finden Sie weitere Informationen.
Wo ist Badre ansässig?
Welche Sprachen spricht Badre?
Wie viele Jahre Erfahrung hat Badre?
Für welche Rollen wäre Badre am besten geeignet?
Was ist das neueste Projekt von Badre?
Für welche Unternehmen hat Badre in den letzten Jahren gearbeitet?
In welchen Industrien hat Badre die meiste Erfahrung?
In welchen Bereichen hat Badre die meiste Erfahrung?
Was ist die Ausbildung von Badre?
Wie ist die Verfügbarkeit von Badre?
Wie hoch ist der Stundensatz von Badre?
Wie kann man Badre beauftragen?
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Geospatial Software Engineer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Lyon, Frankreich arbeiten