Senior Data Scientist - Computer Vision & Deep Learning
Role details
Job location
Tech stack
Job description
Tu es le moteur de l'expertise Computer Vision au sein de l'équipe. Tu ne te contentes pas de faire de la R&D dans ton coin, tu conçois des solutions industrielles robustes et tu challenges l'écosystème existant.
Concrètement, tu vas : Façonner le Computer Vision de demain : Concevoir et implémenter des modèles avancés (reconnaissance d'images, object detection, segmentation) pour des applications temps réel et asynchrones.
Challenger les partenaires (Audit & Benchmark) : Évaluer de manière critique les solutions de fournisseurs tiers. Tu crées des benchmarks internes rigoureux pour valider leurs performances et orienter les décisions stratégiques (Build vs Buy).
Industrialiser et Passer à l'Échelle (MLOps) : Intégrer tes modèles dans des environnements de production complexes. Tu optimises la tuyauterie (monitoring, scalabilité, CI/CD, automatisation des backtests) pour garantir des performances optimales.
Fédérer et Documenter : Être le pont entre la technique de pointe et le business (Product, Engineering, Operations). Tu vulgarises tes résultats et structures ta documentation pour assurer la reproductibilité des modèles.
Requirements
Expérience d'Expert (3 à 7 ans+) : Un track record solide en Machine Learning avec une spécialisation forte en Computer Vision / Image Recognition, idéalement issu·e d'une formation quantitative (Informatique, Mathématiques, Data Science).
Stack Master (CV & Data) : Python est ton langage quotidien. Tu maîtrises OpenCV ainsi que les frameworks de Deep Learning (TensorFlow / PyTorch). Une expérience en multi-modal learning ou en Edge computing est un vrai plus.
Culture MLOps & Cloud : Tu as les mains dedans. Tu es familier·e avec les environnements de production modernes (Docker, Databricks, AWS, MLFlow, Airflow, GitHub Actions).
Bilingue & Impactant·e : Excellente communication écrite et orale. Tu sais adapter ton discours face à des profils techniques ou métiers, aussi bien en français qu'en anglais.