Révèle la puissance du Deep Learning et transforme les données complexes en leviers décisionnels
Dans le cadre d’un projet stratégique autour de la Data Science et de l’Intelligence Artificielle, notre partenaire recherche un(e) Data Scientist IA confirmé(e). Ton rôle sera central et opérationnel : tu interviendras de manière autonome sur des problématiques complexes de Machine Learning et de Deep Learning pour concevoir des modèles prédictifs haute performance répondant directement aux enjeux métiers du groupe.
Ton futur environnement
Tu évolueras au sein d’une équipe Data Science d’excellence, en prise directe avec les Product Owners métiers, les data engineers et les spécialistes MLOps. Dans un écosystème technique moderne et stimulant (Databricks, Dataiku, environnements conteneurisés), tu travailleras sur des volumétries massives de données. C’est le cadre idéal pour explorer des approches algorithmiques avancées, concevoir des métriques de précision sur mesure et industrialiser des modèles prédictifs robustes.
Tes missions clés
Exploration, Modélisation & Évaluation Avancée (Mode R&D & BUILD) :
-
Réaliser l’exploration approfondie des jeux de données, le nettoyage et le feature engineering avancé (Python, pandas, SQL).
-
Concevoir, développer et optimiser des pipelines complets de Machine Learning et Deep Learning pour des cas d’usage variés : scoring, prédiction, classification supervisée/non supervisée et détection d’anomalies.
-
Benchmarker différentes familles d’architectures algorithmiques (scikit-learn, XGBoost, LightGBM, PyTorch, TensorFlow) afin de retenir le modèle le plus performant et interprétable.
-
Définir des métriques d’évaluation sur mesure adaptées aux objectifs business, caractériser finement les erreurs et implémenter des mécanismes de score de confiance et de calibration d’incertitude.
Industrialisation, MLOps & Restitution Métier (Mode RUN & Delivery) :
-
Industrialiser les modèles au sein d’environnements conteneurisés (Docker, Kubernetes) en respectant les standards de code reproductible et versionné (Git).
-
Assurer le tracking des expérimentations, le versioning des modèles et leur cycle de vie opérationnel via MLflow.
-
Présenter et vulgariser les résultats algorithmiques, les gains de performance et les limites des modèles auprès d’interlocuteurs techniques et de directions métiers.
-
Documenter exhaustivement les méthodologies retenues et participer à la capitalisation des bonnes pratiques au sein de l’équipe data.
Ton profil
-
Formation : Bac+5 (Master 2, diplôme d’Ingénieur) ou Doctorat (PhD) en Data Science, Machine Learning, mathématiques appliquées ou statistiques.
-
Expérience : Tu justifies d’une expérience confirmée de 3 à 5 ans en Data Science et Machine Learning appliquée à des enjeux métiers en entreprise.
-
Expertise Algorithmique & Data Science Impérative :
-
Maîtrise éprouvée des bibliothèques de référence du Machine Learning (scikit-learn, XGBoost, LightGBM) et du Deep Learning (PyTorch ou TensorFlow).
-
Parfaite maîtrise de Python et de son écosystème analytique (pandas, numpy, Jupyter), complétée par un niveau solide en SQL.
-
Expertise solide en méthodologies d’évaluation, métriques statistiques, analyse d’erreurs et calibration de scores.
-
-
Culture d’Ingénierie & MLOps :
-
Maîtrise des standards d’ingénierie logicielle (Git, tests, code propre et reproductible).
-
Pratique du suivi d’expérimentation avec MLflow et des environnements conteneurisés (Docker).
-
Familiarité avec les plateformes de travail collaboratif data (Databricks, Dataiku).
-
-
Langues : Anglais professionnel opérationnel.
Tes atouts
-
Autonomie et Rigueur Scientifique : Approche méthodique et structurée pour poser des hypothèses, conduire des expérimentations et interpréter les résultats.
-
Pédagogie et Aisance Relationnelle : Capacité naturelle à vulgariser des concepts statistiques pointus pour convaincre les équipes métiers.
-
Sens du Résultat et Pragmatisme : Volonté constante d’orienter le travail de recherche vers des gains de performance concrets et exploitables en production.