Scientifique de Données

Améliorer la précision prédictive et la robustesse des modèles à l'aide de techniques de gradient boosting (par exemple, XGBoost, LightGBM, CatBoost).,Mener l'exploration et l'intégration d'applications d'IA Générative, y compris les Grands Modèles Linguistiques (LLM), pour créer des solutions innovantes.,Collaborer avec des équipes interfonctionnelles (ingénierie, produit, affaires) pour traduire les exigences commerciales en projets de science des données exploitables.,Établir les meilleures pratiques pour le développement, la validation, le déploiement et la surveillance des modèles dans les environnements de production.,Promouvoir une culture axée sur les données, encourageant l'expérimentation, le partage des connaissances et l'adoption de technologies de pointe.,Communiquer l'avancement des projets, les aperçus et les résultats aux parties prenantes.,Concevoir, implémenter et optimiser des modèles d'apprentissage automatique classiques pour résoudre des problèmes commerciaux complexes.

Diplôme de Licence ou de Master en Informatique, Mathématiques, Statistiques, Science des Données ou un domaine connexe ; un doctorat est un atout.,Plus de 5 ans d'expérience dans des rôles de science des données.,Expertise avérée dans les algorithmes et techniques d'apprentissage automatique classiques, y compris la régression, la classification, le regroupement et l'ingénierie des fonctionnalités.,Vaste expérience pratique avec les frameworks de gradient boosting tels que XGBoost, LightGBM et CatBoost.,Succès démontré dans la conception, le déploiement et la mise à l'échelle d'applications d'IA Générative (par exemple, LLM) dans des scénarios réels.,Solides compétences en programmation Python et maîtrise des bibliothèques de science des données (scikit-learn, pandas, NumPy, TensorFlow, PyTorch).,Expérience avec les plateformes cloud (AWS, Azure) et les outils MLOps pour le déploiement et la surveillance des modèles en production.,Connaissance et expérience de Databricks et Spark.,Capacité à s'épanouir dans un environnement rapide, collaboratif et innovant.,Expérience dans la gestion de mégadonnées de milliards d'observations.,Connaissance de l'ingénierie des données et du développement de pipelines (préférable).,Une expérience préalable dans la fintech ou l'industrie des paiements est un plus (préférable).

Diplôme de Licence