Scientifique de données principal

Diriger des solutions de science des données sur l'ensemble du cycle de vie, du développement du modèle au déploiement et à la surveillance.,Collaborer avec l'équipe d'ingénierie pour les meilleures pratiques en matière de déploiement de modèles ML.,Appliquer les connaissances en statistiques, apprentissage automatique, programmation, modélisation des données, simulation et mathématiques avancées.,Reconnaître les modèles, identifier les opportunités, poser des questions commerciales et faire des découvertes précieuses menant au développement de prototypes et à l'amélioration des produits.,Utiliser Python, Apache Spark, PySpark, R, Scala, SQL, NoSQL pour obtenir, intégrer, manipuler et analyser des données.,Expertise en analyse statistique des données (par exemple, analyse univariée/bivariée) et en évaluation de la qualité des données.,Construire des modèles d'apprentissage automatique (Machine Learning), d'apprentissage profond (Deep Learning) et statistiques pour résoudre des problèmes commerciaux.,Développer des modèles de données prédictifs, des modèles de détection d'anomalies, des analyses quantitatives et des visualisations de sources de mégadonnées.,Diriger des projets d'exploration et d'analyse de données et offrir un encadrement sur les sujets liés aux mégadonnées.,Explorer et implémenter des capacités de données sémantiques via le traitement du langage naturel (NLP), l'exploration de texte et l'apprentissage automatique.,Superviser l'acquisition et l'ingestion de données provenant de sources structurées et non structurées, en assurant la qualité.,Utiliser des API pour collecter des données de divers produits dans la base de données de l'entrepôt de données (Data Warehouse).

Plus de 5 ans d'expérience industrielle dans la résolution de problèmes concrets.,Diplôme universitaire, de maîtrise ou de doctorat dans un domaine analytique (par exemple, informatique, ingénierie, mathématiques, statistiques ou domaine quantitatif connexe).,Expérience avec l'infrastructure IA/ML et le déploiement de modèles pour les applications d'IA générative (Gen AI) dans des environnements de production et le support de cas d'utilisation à l'échelle de l'entreprise.,Solides bases en ML et IA, connaissance de l'inférence, du réglage fin (fine-tuning), des architectures de modèles, des plongements (Embeddings).,Expérience pratique dans l'implémentation de solutions utilisant des frameworks modernes de ML et de Deep Learning (PyTorch, TensorFlow, Scikit-Learn, Hugging Face Transformers).,Expérience pratique dans la conception de modèles de données graphiques et le travail avec des bases de données graphiques (Neo4j, Amazon Neptune, TigerGraph) et/ou des frameworks de graphes de connaissances (RDF/OWL, graphes de propriétés, SPARKQL).,Familiarité avec les meilleures pratiques de l'industrie du génie logiciel (normes de codage, méthodes de test, revues de code, contrôle de version).,Expérience de travail avec des parties prenantes techniques et non techniques pour définir la portée, formuler, déployer et maintenir des systèmes de science des données.,Résolveur de problèmes autonome, capable de s'adapter et de prospérer dans un environnement dynamique, ambigu et orienté client.,Familiarité avec GIT (GitHub).,Capacité à prioriser le travail et à gérer plusieurs flux de travail simultanément.,Connaissance approfondie des algorithmes d'apprentissage automatique et d'apprentissage profond.,Excellente maîtrise des données structurées et non structurées.,Excellente connaissance de Python, PySpark, SQL.,Expérience avec des plateformes de données basées sur le cloud telles qu'Azure ou AWS.,Expérience avec des outils de visualisation de données tels que Tableau, Looker et Power BI.

Diplôme universitaire, de maîtrise ou de doctorat dans un domaine analytique (par exemple, informatique, ingénierie, mathématiques, statistiques ou domaine quantitatif connexe)