Data Scientist - Machine Learning Engineer - Python & IA H/F

Au sein d’une équipe Data & Digital spécialisée dans les services financiers, vous contribuerez à la valorisation des données clients afin d’optimiser les performances marketing, d’améliorer l’expérience utilisateur et de développer de nouveaux cas d’usage autour du Machine Learning et de l’IA générative., Concevoir et optimiser des modèles de segmentation client (RFM, comportementale) et de scoring (attrition, appétence, valeur vie client).

• Développer des algorithmes de réconciliation et de rapprochement de données multi-sources afin d’unifier les profils clients.
• Analyser les refus de paiement et identifier les facteurs impactant la satisfaction client.
• Explorer de nouveaux cas d’usage de l’IA générative appliqués aux parcours clients.
• Développer, déployer et maintenir des modèles de Machine Learning robustes et scalables en production.
• Préparer, nettoyer, transformer et analyser les données pour alimenter les modèles.
• Assurer le suivi des performances, la maintenance et l’amélioration continue des solutions existantes.
• Documenter les méthodes, les algorithmes et les résultats obtenus.

Profil recherchéCompétences techniques requisesLangages & Data Science : Python, Pandas, NumPy, SciPy.Machine Learning : Scikit-learn, TensorFlow ou PyTorch.Cloud : GCP ou environnement équivalent.Data & Visualisation : SQL, bases de données relationnelles ou documentaires, Matplotlib, Seaborn ou Plotly.Industrialisation : Git, CI/CD, versionning des données et modèles, tests automatisés, Sonar et observabilité.Développement logiciel : bonnes pratiques de conception, qualité et maintenabilité du code (SOLID, YAGNI).Méthodologie : environnement Agile, notamment Scrum, et participation à l’ensemble du cycle de vie des applications, de la conception au run.

Mais aussi…

Taux journalier :530.css-11k7fwb{display:inline-block;white-space:nowrap;vertical-align:middle;-webkit-padding-start:var(–chakra-space-1-5);padding-inline-start:var(–chakra-space-1-5);-webkit-padding-end:var(–chakra-space-1-5);padding-inline-end:var(–chakra-space-1-5);text-transform:none;font-size:var(–chakra-fontSizes-xs);border-radius:var(–chakra-radii-md);font-weight:var(–chakra-fontWeights-semibold);background:var(–chakra-colors-success-200);color:var(–chakra-colors-success-700);box-shadow:var(–badge-shadow);padding:4px 6px;–badge-bg:var(–chakra-colors-success-100);–badge-color:colors.success.800;}.chakra-ui-dark .css-11k7fwb:not([data-theme]),[data-theme=dark] .css-11k7fwb:not([data-theme]),.css-11k7fwb[data-theme=dark]{–badge-bg:rgba(226, 243, 232, 0.16);–badge-color:var(–chakra-colors-success-200);}Cette offre est à 0% de commission .css-74lrwu{width:1em;height:1em;line-height:1em;-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;color:currentColor;font-size:16px;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-transition:.1s ease-in-out color;transition:.1s ease-in-out color;}.css-74lrwu *{-webkit-transition:.1s ease-in-out fill;transition:.1s ease-in-out fill;fill:var(–chakra-colors-rythm-600);}, * Langages & Data Science : Python, Pandas, NumPy, SciPy.

• Machine Learning : Scikit-learn, TensorFlow ou PyTorch.
• Cloud : GCP ou environnement équivalent.
• Data & Visualisation : SQL, bases de données relationnelles ou documentaires, Matplotlib, Seaborn ou Plotly.
• Industrialisation : Git, CI/CD, versionning des données et modèles, tests automatisés, Sonar et observabilité.
• Développement logiciel : bonnes pratiques de conception, qualité et maintenabilité du code (SOLID, YAGNI).
• Méthodologie : environnement Agile, notamment Scrum, et participation à l’ensemble du cycle de vie des applications, de la conception au run.

EUR

Machine learning Intelligence artificielle Google cloud platform SQL Git Développement logiciel Python Scrum Base de données relationnelle TensorFlow