Data Scientist Senior

Dans le cadre du renforcement du département Data & IA d'un grand groupe bancaire, intervenir sur des projets d'intelligence artificielle générative et prédictive reposant sur la plateforme Dataiku.

Contribuer au développement, à l'industrialisation et au déploiement de solutions de Data Science et de Machine Learning en environnement Google Cloud Platform (GCP), tout en participant à l'amélioration de la gouvernance des données.

Missions principales

Développer des cas d'usage en intelligence artificielle générative et en Machine Learning. Concevoir, construire et industrialiser des workflows sur la plateforme Dataiku.

Préparer et traiter les données, réaliser le feature engineering et entraîner des modèles de Machine Learning. Assurer le déploiement des modèles en production ainsi que leur suivi et leur surveillance.

Intégrer les solutions dans l'environnement Google Cloud Platform, notamment avec BigQuery, Google Cloud Storage (GCS) et IAM.

Collaborer avec les Data Engineers, les architectes et les équipes métiers. Participer également à l'amélioration des pratiques de gouvernance des données.

Compétences attendues

Expertise confirmée de Dataiku, notamment en conception, déploiement et industrialisation de workflows.

Maîtrise de Python appliqué à la Data Science, notamment Pandas, NumPy, Scikit-learn et XGBoost. Bonne maîtrise du SQL avancé et de l'environnement Google Cloud Platform, particulièrement BigQuery.

Expérience en Machine Learning en production, ainsi qu'en MLOps et monitoring de modèles.

La connaissance de l'intelligence artificielle générative, des LLM, du RAG et de l'intégration d'API constitue un atout. Une expérience dans le secteur bancaire est appréciée. La connaissance de Zeenea, Power BI ou Alteryx est également un plus.

Profil recherché

Data Scientist senior justifiant de 6 à 9 ans d'expérience minimum en Data Science, avec une forte expertise sur Dataiku et les environnements cloud.

Le candidat doit être autonome et capable de prendre en charge un cas d'usage de bout en bout, depuis l'analyse des données jusqu'au déploiement du modèle en production.