Scientifique des données sénior
About the role
à propos
Rôle du scientifique de données sénior
En tant que scientifique de données sénior, vous jouerez un rôle clé dans le développement et l’industrialisation de solutions avancées en intelligence artificielle. Vous travaillerez en étroite collaboration avec nos ingénieurs de données, experts en architecture et scientifiques de données afin d’assurer la mise en production efficace des modèles développés.
Responsabilités
Assumer la responsabilité du développement, de la mise à l’échelle et du déploiement des modèles d'apprentissage automatique. Définir et structurer l’architecture des solutions en science des données, en tenant compte des besoins des clients et des meilleures pratiques. Concevoir, développer et optimiser des modèles de prévision et d’analyse de séries temporelles afin de répondre à des enjeux d’affaires complexes. Superviser le cycle de vie complet des modèles : exploration des données, entraînement, validation, déploiement et monitoring post-production. Assurer une mise en production de modèles d’apprentissage automatique et d’intelligence artificielle robuste et scalable. Assurer la qualité des données et appliquer les meilleures pratiques en science des données et en apprentissage automatique. Participer à la veille technologique et aux recherches appliquées afin d’intégrer les innovations pertinentes dans nos solutions. Vulgariser les résultats et les recommandations pour des parties prenantes techniques et non techniques. Supporter et challenger l’équipe de scientifiques des données, partager les bonnes pratiques et assurer un haut niveau de rigueur dans les analyses et les développements. Collaborer avec les clients pour analyser leurs besoins, identifier des opportunités d’amélioration et proposer des approches adaptées et pragmatiques. Participer à la rédaction de propositions et recommandations stratégiques pour les clients, en mettant en avant la valeur ajoutée des solutions développées. Travailler en collaboration avec des équipes multidisciplinaires (ingénieurs de données, architectes de solutions, experts métier, etc.) pour assurer l’intégration et l’adoption des solutions.
Compétences techniques
Requises
Expérience dans le développement et l’industrialisation de modèles analytiques ou d’apprentissage automatique, incluant l’utilisation de bonnes pratiques de développement, de gestion de versions et de reproductibilité des analyses. Solide expertise en modélisation statistique, probabilités, analyse quantitative et apprentissage automatique appliqué à des problématiques réelles. Maîtrise avancée des concepts d’intelligence artificielle, d’apprentissage automatique et de modélisation statistique. Expérience avancée en modélisation de séries temporelles et en prévision (forecasting), incluant l’utilisation de méthodes statistiques et de modèles d’apprentissage automatique. Expérience avec les architectures de données (data lakes, pipelines, entrepôts de données). Expertise avec les plateformes cloud (AWS, Azure, GCP) spécifiquement adaptées à l'apprentissage automatique. Maîtrise des outils et frameworks couramment utilisés en science des données (Python, SQL, PyTorch, TensorFlow, etc.). Capacité à optimiser et industrialiser des modèles pour un usage à grande échelle. Excellente connaissance des bases de données relationnelles et non relationnelles (SQL, NoSQL). Compétences en ingénierie des données et en orchestration et manipulation de grands volumes de données. Expérience avec les outils et méthodologies MLOps (CI/CD, suivi des modèles, versioning avec MLflow ou DVC, etc.).
Un Atout
Être familier avec la méthodologie Agile. Certification Dataiku (Core Designer, Advanced Designer, ML Practitioner ou équivalent). Expérience avec la plateforme Dataiku dans un contexte de développement, d’industrialisation ou d’opérationnalisation de modèles analytiques. Connaissance du marché de l’énergie ou du trading. Qualifications Baccalauréat en mathématiques, statistique, science actuarielle, informatique, génie logiciel, recherche opérationnelle, physique, ou dans un domaine quantitatif connexe. Maîtrise ou doctorat dans un domaine quantitatif pertinent (statistique, mathématiques, intelligence artificielle, apprentissage automatique ou équivalent) constitue un atout important. Minimum de 5 ans d’expérience en apprentissage automatique.
Compétences transversales
Être orienté client et être centré sur l'action et les résultats. Faire preuve d'esprit stratégique et créativité pour résoudre des problèmes complexes de manière innovante. Esprit analytique et rigueur scientifique. Être à l'aise en contextes d'incertitudes. Capacité à vulgariser des concepts techniques et à présenter des résultats à des décideurs. Bonnes capacités en relations interpersonnelles et capacité d'influencer. Bonnes capacités à communiquer efficacement à l’oral et à l’écrit en français. Leadership et expérience en encadrement ou mentorat. Autonomie et capacité à gérer plusieurs projets en parallèle. Valoriser le travail d'équipe et les succès de groupe.
Similar Jobs
Scientifique des données sénior
About the role
à propos
Rôle du scientifique de données sénior
En tant que scientifique de données sénior, vous jouerez un rôle clé dans le développement et l’industrialisation de solutions avancées en intelligence artificielle. Vous travaillerez en étroite collaboration avec nos ingénieurs de données, experts en architecture et scientifiques de données afin d’assurer la mise en production efficace des modèles développés.
Responsabilités
Assumer la responsabilité du développement, de la mise à l’échelle et du déploiement des modèles d'apprentissage automatique. Définir et structurer l’architecture des solutions en science des données, en tenant compte des besoins des clients et des meilleures pratiques. Concevoir, développer et optimiser des modèles de prévision et d’analyse de séries temporelles afin de répondre à des enjeux d’affaires complexes. Superviser le cycle de vie complet des modèles : exploration des données, entraînement, validation, déploiement et monitoring post-production. Assurer une mise en production de modèles d’apprentissage automatique et d’intelligence artificielle robuste et scalable. Assurer la qualité des données et appliquer les meilleures pratiques en science des données et en apprentissage automatique. Participer à la veille technologique et aux recherches appliquées afin d’intégrer les innovations pertinentes dans nos solutions. Vulgariser les résultats et les recommandations pour des parties prenantes techniques et non techniques. Supporter et challenger l’équipe de scientifiques des données, partager les bonnes pratiques et assurer un haut niveau de rigueur dans les analyses et les développements. Collaborer avec les clients pour analyser leurs besoins, identifier des opportunités d’amélioration et proposer des approches adaptées et pragmatiques. Participer à la rédaction de propositions et recommandations stratégiques pour les clients, en mettant en avant la valeur ajoutée des solutions développées. Travailler en collaboration avec des équipes multidisciplinaires (ingénieurs de données, architectes de solutions, experts métier, etc.) pour assurer l’intégration et l’adoption des solutions.
Compétences techniques
Requises
Expérience dans le développement et l’industrialisation de modèles analytiques ou d’apprentissage automatique, incluant l’utilisation de bonnes pratiques de développement, de gestion de versions et de reproductibilité des analyses. Solide expertise en modélisation statistique, probabilités, analyse quantitative et apprentissage automatique appliqué à des problématiques réelles. Maîtrise avancée des concepts d’intelligence artificielle, d’apprentissage automatique et de modélisation statistique. Expérience avancée en modélisation de séries temporelles et en prévision (forecasting), incluant l’utilisation de méthodes statistiques et de modèles d’apprentissage automatique. Expérience avec les architectures de données (data lakes, pipelines, entrepôts de données). Expertise avec les plateformes cloud (AWS, Azure, GCP) spécifiquement adaptées à l'apprentissage automatique. Maîtrise des outils et frameworks couramment utilisés en science des données (Python, SQL, PyTorch, TensorFlow, etc.). Capacité à optimiser et industrialiser des modèles pour un usage à grande échelle. Excellente connaissance des bases de données relationnelles et non relationnelles (SQL, NoSQL). Compétences en ingénierie des données et en orchestration et manipulation de grands volumes de données. Expérience avec les outils et méthodologies MLOps (CI/CD, suivi des modèles, versioning avec MLflow ou DVC, etc.).
Un Atout
Être familier avec la méthodologie Agile. Certification Dataiku (Core Designer, Advanced Designer, ML Practitioner ou équivalent). Expérience avec la plateforme Dataiku dans un contexte de développement, d’industrialisation ou d’opérationnalisation de modèles analytiques. Connaissance du marché de l’énergie ou du trading. Qualifications Baccalauréat en mathématiques, statistique, science actuarielle, informatique, génie logiciel, recherche opérationnelle, physique, ou dans un domaine quantitatif connexe. Maîtrise ou doctorat dans un domaine quantitatif pertinent (statistique, mathématiques, intelligence artificielle, apprentissage automatique ou équivalent) constitue un atout important. Minimum de 5 ans d’expérience en apprentissage automatique.
Compétences transversales
Être orienté client et être centré sur l'action et les résultats. Faire preuve d'esprit stratégique et créativité pour résoudre des problèmes complexes de manière innovante. Esprit analytique et rigueur scientifique. Être à l'aise en contextes d'incertitudes. Capacité à vulgariser des concepts techniques et à présenter des résultats à des décideurs. Bonnes capacités en relations interpersonnelles et capacité d'influencer. Bonnes capacités à communiquer efficacement à l’oral et à l’écrit en français. Leadership et expérience en encadrement ou mentorat. Autonomie et capacité à gérer plusieurs projets en parallèle. Valoriser le travail d'équipe et les succès de groupe.