Scientifique de données

Travailler en étroite collaboration avec les clients pour comprendre les problèmes commerciaux clés. Recueillir et analyser les exigences pour développer des recommandations et des solutions percutantes. Utiliser des techniques analytiques avancées pour résoudre des problèmes commerciaux complexes. Tirer parti d'un ensemble diversifié de technologies et d'outils pour fournir des informations. Capacité à résoudre des problèmes par l'utilisation et/ou le développement d'algorithmes, de modèles, de tests, etc. Proposer et développer des résultats, des modèles et des moteurs de règles en utilisant les statistiques, l'apprentissage automatique, le traitement du langage naturel, la programmation linéaire, etc. Travailler avec de grands volumes de données (structurées et non structurées). Concevoir les modèles de plateforme de données pour l'évolutivité, la répétabilité et la performance afin de construire des solutions de données. Enquêter et effectuer des analyses plus approfondies pour produire des algorithmes percutants afin d'atteindre les résultats ciblés. Effectuer une analyse quantitative des problèmes de données. Communiquer efficacement oralement et par écrit avec les pairs au sein des équipes Données et Analytique, KPMG et le client.

Formation et expérience professionnelle en mathématiques, statistiques, recherche opérationnelle, ingénierie, informatique ou économétrie. Connaissance approfondie des techniques de modélisation avancées et des modèles mathématiques, de l'utilisation et de l'optimisation des algorithmes, et des technologies de science des données. Comprendre tout le spectre de la récupération, de la sélection et de l'ingénierie des caractéristiques de données ; la sélection des techniques de modèle, la construction, l'implémentation, la surveillance et l'intégration des modèles ; l'interprétation des résultats et le développement de recommandations. Capable d'identifier les points communs entre des cas d'utilisation analytiques apparemment disparates, afin d'identifier des approches uniques de modélisation. Solide expérience en analytique avancée, statistiques, exploration de données, analyse prédictive, analyse de séries chronologiques, traitement du langage naturel et apprentissage profond. Maîtrise de SQL, Python ou R et des frameworks et bibliothèques ML populaires. Expérience des services cloud grand public : tels que AWS, MS Azure, GCP et leurs outils d'analyse de données et de ML.

Diplôme en mathématiques, statistiques, recherche opérationnelle, ingénierie, informatique ou économétrie

Garanties complètes de soins de santé et de soins dentaires, subventions pour le mieux-être, journées de soins personnels, régimes de retraite, modalités de travail flexibles et soutien étendu au perfectionnement professionnel.