Find your next tech and IT Job or contract Scikit-image

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

Mise à disposition de pipelines et de templates CI/CD standardisés. Fourniture d'agents Kubernetes et d'environnements de build intégrant les outils et versions nécessaires. Accompagnement des développeurs dans l'onboarding et le déploiement de leurs applications. Création de « golden paths » permettant aux équipes de déployer leurs applications sans avoir à connaître toute la complexité de l'infrastructure. Mise à disposition d'une plateforme de génération d'images Docker. Création et maintenance d'un catalogue d'images Docker de base sécurisées : Java, Tomcat, WebLogic, outils de build Helm, etc. Gestion du cycle de vie des images, de leur mise à jour, de leur signature et de leur conformité aux standards de sécurité. Intégration de contrôles DevSecOps dans les pipelines : analyse de code, analyse des dépendances, scan des images Docker et détection des vulnérabilités. Mise en place de règles bloquantes selon la criticité des vulnérabilités détectées. Utilisation d'Argo CD et des principes GitOps pour les déploiements sur Kubernetes. Gestion des droits d'accès, de l'authentification et de la ségrégation entre les environnements de développement, de recette et de production. Industrialisation de cas d'usage liés à l'intelligence artificielle, notamment pour la revue de code et la remédiation de vulnérabilités. Déploiement et onboarding de solutions IA, de serveurs MCP et d'applications développées par les équipes Engineering. L'environnement technique présenté comprend notamment Jenkins, Bitbucket, Artifactory, SonarQube, Fortify, Nexus IQ, Aqua Security, Kubernetes, Docker, Argo CD, Ansible, Python et Go.