Find your next tech and IT Job or contract Deep learning

Nous recherchons un Data Scientist Senior pour rejoindre une équipe Data Science & Analytics et intervenir à 100 % sur un projet stratégique à fort enjeu. La mission combine Data Science, Machine Learning, optimisation, IA Générative et industrialisation, avec une forte proximité avec les équipes métiers dans un environnement international. Missions principalesConcevoir, développer et industrialiser des solutions Data & IA. Cadrer les nouveaux cas d'usage avec les différentes parties prenantes. Extraire, explorer, analyser et transformer des volumes importants de données. Concevoir et entraîner des modèles prédictifs. Développer des pipelines de construction et d'industrialisation des modèles. Travailler sur des problématiques de Machine Learning, clustering, optimisation et Deep Learning. Concevoir et développer des solutions autour des LLM et agents IA. Développer, déployer et monitorer des services Data fiables et capables de passer à l'échelle. Participer aux choix d'architecture et proposer les technologies les plus adaptées. Contribuer aux bonnes pratiques de développement, de déploiement et d'industrialisation. Accompagner les utilisateurs dans l'adoption des solutions développées. Présenter les résultats et recommandations aux équipes techniques et métiers. Environnement techniqueStack principale : Python SQL scikit-learn Machine Learning LLM / GenAI Git Docker S3 Parquet Écosystème complémentaire : Kubernetes GitLab / CI/CD Airflow Kafka Spark Bash Prometheus / Grafana / Loki Kestra Compétences Data ScienceMachine Learning & modèles prédictifs Clustering Statistiques Deep Learning LLM / IA Générative Optimisation / Recherche Opérationnelle Heuristiques Industrialisation et monitoring des modèles

Almatek recherche pour l'un de ses clients, Un Data Scientist /ML Engineer confirmé a senior sur Grenoble. CONTEXTE Dans le cadre de l'évolution d'une plateforme de Machine Vision dédiée à l'analyse d'images industrielles, nous recherchons un Data Scientist / Machine Learning Engineer confirmé à senior. L'objectif est de moderniser l'architecture existante, d'améliorer les performances d'inférence, d'étendre la solution à de nouvelles typologies d'images et de renforcer l'autonomie des utilisateurs métiers. PRINCIPALES MISSIONS • Repenser et moderniser l'architecture d'inférence autour de PyTorch / TorchServe. • Faire évoluer les modèles de classification et de détection d'objets, notamment avec des architectures YOLO (You Only Look Once). • Étendre la solution à de nouvelles typologies et dimensions d'images. • Optimiser les performances d'inférence et identifier les goulots d'étranglement CPU / GPU / preprocessing. • Faire évoluer les mécanismes d'apprentissage pour en faciliter l'utilisation par les métiers. • Industrialiser les composants Data Science : qualité de code, tests, déploiement et documentation. • Accompagner l'intégration des modèles dans l'architecture applicative existante. PROFIL RECHERCHÉ Profil Data Scientist / ML Engineer / Computer Vision Engineer disposant d'une expérience significative en Machine / Deep Learning et en industrialisation de modèles, capable d'intervenir à la fois sur les modèles et sur leur industrialisation, avec un bon niveau d'autonomie. COMPÉTENCES CLÉS • Python. • PyTorch. • Computer Vision / Deep Learning. • CNN (réseaux de neurones convolutifs), classification d'images et détection d'objets. • YOLO. • Optimisation et déploiement de modèles sur environnements GPU. • Git, tests, refactoring. COMPÉTENCES APPRÉCIÉES • TorchServe ou autre solution de model serving. • PyTorch Lightning, DDP (Distributed Data Parallel). • Docker, CVAT, LitServe. Interne • MLOps. • Expérience en Machine Vision industrielle.

Vous êtes passionné(e) par l'IA générative et les projets à fort impact utilisateur ? Nous recherchons pour l'un de nos clients du secteur un(e) Data Scientist Python / IA pour rejoindre un projet ambitieux : le développement d'un assistant intelligent destiné à transformer l'expérience de ses utilisateurs. Vous rejoindrez une équipe innovante, au contact direct des enjeux métier, où vos travaux auront une portée concrète et visible sur un produit final. C'est l'opportunité de travailler sur des cas d'usage IA en constante évolution, dans un environnement qui encourage l'expérimentation et la montée en compétences continue. Vos missions : – Conception, entraînement et optimisation de modèles IA/NLP au service de l'assistant – Développement Python autour de frameworks de Machine Learning et de Deep Learning – Collaboration étroite avec les équipes produit pour intégrer les modèles en conditions réelles – Veille technologique active sur les avancées en IA générative

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ 📍 Strasbourg - 🛠 Expérience de 3 ans minimum Vous êtes passionné(e) par l'intelligence artificielle et souhaitez travailler sur des projets concrets liés à l'IA générative ? Cette opportunité est faite pour vous ! 🚀 Dans le cadre de notre développement, nous recherchons un(e) Chef de Projet IA pour intervenir chez l'un de nos clients. 💻💼 Vous participerez à un programme structurant visant à intégrer l'IA générative dans les outils du quotidien des équipes, avec un objectif clair : améliorer l'efficacité et la qualité des livrables. 🎯 Ce que vous allez faire concrètement : - Recueillir et analyser les besoins des utilisateurs afin de faire évoluer les outils - Définir et porter la vision des produits et projets de votre périmètre - Coordonner plusieurs projets en environnement agile et favoriser la collaboration entre les équipes - Suivre la performance des solutions d'IA mises en place - Évaluer, tester et améliorer les modèles cognitifs - Définir les indicateurs de performance et critères de succès - Piloter la stratégie de déploiement des projets - Assurer une veille technologique active, notamment sur l'IA générative 🛠️L'environnement : - Projets autour du Machine Learning, Deep Learning et IA générative - Environnement agile et itératif - Projets centrés sur l'amélioration des outils internes et de la productivité 📍 Situation géographique : Strasbourg (67)

Contexte Dans le cadre du développement de solutions IA / GenAI, nous recherchons un Senior AI Engineer / Machine Learning Engineer. Vous évoluerez sur une plateforme IA Red Hat OpenShift, intégrant GPU NVIDIA, LLM as a Service, RAG, OCR et outils MLOps. Vos missions Concevoir et développer des solutions AI / Machine Learning / GenAI. Développer des Use Cases combinant LLM, OCR, Computer Vision, NLP et règles métier. Concevoir des solutions de Document AI : extraction, classification, comparaison et validation de documents. Travailler notamment sur des Use Cases de KYC et validation automatisée de pièces justificatives. Réaliser des POC et les transformer en solutions industrialisées et exploitables en production. Développer les APIs et services IA nécessaires à leur intégration dans le SI. Participer aux choix d'architecture et aux pratiques MLOps / LLMOps. Environnement technique Python • PyTorch • CUDA • LLM / GenAI • Qwen • LiteLLM • OCR / Document AI • RAG • MLflow • Docker • Kubernetes / OpenShift • APIs REST Votre profil 5 ans minimum d'expérience en AI / Machine Learning / Data Science Engineering. Excellente maîtrise de Python. Expérience concrète en Machine Learning / Deep Learning et LLM / GenAI. Expérience en OCR, Computer Vision, NLP ou Document AI. Expérience dans l'industrialisation de solutions IA. Connaissance de Docker, Kubernetes/OpenShift et/ou MLOps appréciée. Une expérience en banque, assurance ou finance constitue un atout. Anglais professionnel.

Contexte de la mission : Dans le cadre du développement de solutions logicielles intégrant des composants d'Intelligence Artificielle, nous recherchons un Ingénieur Logiciel IA / MLOps H/F pour le compte d'un client central du secteur militaire. Vous rejoindrez une équipe en charge de l'industrialisation du cycle de vie de modèles IA, notamment dans des cas d'usage liés au traitement d'images. Vous interviendrez principalement sur l'intégration, le déploiement, la supervision et le maintien en conditions opérationnelles de modèles existants dans des environnements logiciels contraints. Responsabilités : - Intégrer des modèles de Machine Learning et Deep Learning dans les environnements logiciels cibles ; - Packager, versionner et déployer les modèles ainsi que leurs dépendances ; - Mettre en place et améliorer les chaînes d'intégration et de déploiement continus ; - Développer les composants nécessaires à l'exposition des modèles : API, services d'inférence, outils d'administration et scripts d'automatisation ; - Superviser les performances techniques et fonctionnelles des modèles déployés ; - Comparer les résultats obtenus aux jeux de référence et aux performances historiques ; - Identifier et analyser les éventuelles dégradations : dérive des données, évolution des entrées, perte de précision, latence ou contraintes de ressources ; - Optimiser le portage et l'exécution des modèles sur les environnements cibles, notamment sur GPU ; - Participer aux activités de qualification, de tests unitaires, d'intégration et de non régression ; - Rédiger la documentation technique et capitaliser les bonnes pratiques d'industrialisation IA ; - Assurer une veille technologique sur les outils de déploiement, de supervision et de monitoring des modèles IA.

Vous intégrerez l'équipe Transformation, Data & Innovation. L'équipe conçoit des solutions Data et Intelligence Artificielle permettant d'améliorer la connaissance client, l'efficacité opérationnelle et la performance commerciale : analyse automatisée de l'actualité, détection d'insights, recommandations, prédictions et pilotage de la performance. Missions principalesConcevoir et développer des solutions de Machine Learning, NLP et Deep Learning. Développer des applications basées sur l'IA générative et l'IA agentique. Concevoir des architectures RAG et des systèmes multi-agents avec LangGraph. Intégrer et exploiter des modèles LLM, RLM et SLM. Mettre en œuvre des techniques NLP : embeddings, Transformers, BERT, NER et recherche sémantique. Développer des modèles de régression, classification, clustering, détection d'anomalies, recommandation et séries temporelles. Réaliser l'adaptation et l'optimisation des modèles via le transfer learning et le fine-tuning. Construire et interroger des bases vectorielles et des moteurs d'indexation tels qu'Elasticsearch et FAISS. Évaluer, superviser et améliorer les performances des solutions RAG et agentiques. Industrialiser les modèles et assurer leur suivi avec Dataiku et MLflow. Développer des prototypes et interfaces de démonstration avec Gradio ou Streamlit. Participer à la mise en place de solutions d'IA responsables, explicables et maîtrisant les risques de biais. Collaborer avec les équipes métiers afin de traduire leurs besoins en solutions Data et IA concrètes. Assurer une veille technologique et proposer des cas d'usage innovants.

Missions : En tant que formateur, tu seras notamment amené à : Animer des formations autour de la Data Science et du Machine Learning Présenter et vulgariser les principaux concepts et algorithmes de Machine Learning Accompagner les participants dans la mise en pratique à travers des exercices et cas concrets Aborder les différentes étapes d'un projet Data Science : préparation des données, modélisation, entraînement et évaluation des modèles Adapter ton niveau d'explication aux différents profils présents Selon ton expertise, apporter une ouverture sur le Deep Learning et éventuellement la GenAI Des supports de formation peuvent être fournis, l'objectif étant avant tout de trouver un excellent intervenant capable de transmettre son expérience.

Contexte Dans le cadre d'un accord-cadre avec un groupe bancaire international, nous recherchons des Data Scientists disposant d'une expérience démontrable et mesurable sur des projets d'intelligence artificielle. Les postes sont ouverts sur trois niveaux de séniorité (0-2 ans, 2-5 ans, 6 ans et plus d'expérience sur des projets IA). Poste en CDI: Salaire suivant expérience / Package avec ou sans voiture Vos missions Collecte et préparation des données Récupérer et nettoyer les données issues de sources variées (bases de données, API, fichiers) Mener les analyses exploratoires (EDA) pour qualifier la structure et la qualité des données Réaliser les transformations et le feature engineering permettant d'améliorer la pertinence des modèles Développement de modèles Sélectionner et entraîner des modèles de machine learning et de deep learning adaptés au cas d'usage Comparer les approches (régression, classification, réseaux de neurones) Optimiser les modèles par tuning d'hyperparamètres et validation croisée Déploiement et industrialisation Intégrer les modèles dans les applications et systèmes, en collaboration avec les équipes MLOps/DevOps Mettre en place les pipelines d'entraînement et de mise à jour Assurer le suivi des performances en production et détecter les dérives de modèle (model drift) Restitution et valorisation Présenter résultats et insights aux équipes métier via visualisations et rapports Expliquer le fonctionnement des modèles et leur impact business Veille et amélioration continue Suivre les avancées en IA et machine learning Tester de nouvelles architectures et frameworks (TensorFlow, PyTorch, Scikit-learn) Contribuer à l'amélioration des algorithmes et des processus internes Un atout Expérience en environnement bancaire ou assurance (risque, conformité, lutte anti-fraude, scoring) Connaissance des exigences de gouvernance et de validation des modèles Pratique des environnements cloud IBM / On premise

Dans le cadre d'un projet stratégique autour de la Data Science et de l'Intelligence Artificielle, notre client recherche un Data Scientist confirmé capable d'intervenir de manière autonome sur des problématiques de machine learning appliquées à des enjeux métier. Le consultant intégrera un environnement technique exigeant, en collaboration étroite avec les équipes métiers. Il interviendra notamment sur : ▪ La conception et le développement de pipelines de machine learning / deep learning répondant aux cas d'usage métier (scoring, prédiction, classification, détection d'anomalies) ▪ L'exploration et la préparation des données, le feature engineering ▪ La comparaison de différentes architectures et approches afin d'identifier les modèles les plus adaptés ▪ La conception de métriques d'évaluation adaptées aux cas d'usage, l'analyse des performances et la caractérisation des erreurs ▪ La mise en place de mécanismes de score de confiance et de gestion de l'incertitude ▪ L'industrialisation des modèles en environnement conteneurisé et le suivi des expérimentations (MLOps) ▪ La restitution des travaux auprès d'interlocuteurs techniques et métiers