Mission freelance Data Scientist // ML engineering

•Développement de modèles ML : Concevoir, entraîner et évaluer des modèles de machine learning adaptés à des cas d'usage variés (recommandation, segmentation, scoring, prédiction, détection d'anomalies, NLP, etc.).

•MLOps & industrialisation : Mettre en œuvre les bonnes pratiques MLOps pour assurer le versioning, le suivi des expérimentations, le déploiement et le monitoring des modèles en production.

•Conception de pipelines de données : Construire et maintenir des pipelines de traitement de données robustes, scalables et automatisés, en s'appuyant sur les services AWS et les outils de l'écosystème Data du groupe.

•Feature Engineering & Feature Store : Contribuer à l'alimentation et à l'évolution du Feature Store commun, en garantissant la qualité, la réutilisabilité et la cohérence des features produites.

•Collaboration transverse : Travailler en étroite collaboration avec les équipes Data Engineering, les équipes métier et les product owners pour comprendre les besoins et livrer des solutions à forte valeur ajoutée.

•Veille & innovation : Assurer une veille active sur les nouvelles techniques et outils IA/ML et proposer des améliorations continues des pratiques et des architectures en place.

Compétence technique:

•Python : Python 3.x, boto3, poetry, FastAPI, pydantic, Jupyter Notebooks

•Data Science & ML : Polars/Pandas, NumPy, PyTorch, ONNX, Scikit-learn, XGBoost, LightGBM, Seaborn, Matplotlib

•MLOps : MLFlow, DVC, Feast, BentoML, Triton Inference Server, ONNX Runtime ou équivalent

•Data Engineering : Spark, Airflow, dbt

•Cloud & Infrastructure : AWS (S3, Glue, SageMaker, Lambda, Kinesis, DynamoDB, EC2), Terraform, Docker, ECS Faregate

•Versionning & CI/CD : Git, GitLab CI/CD

•Bases de données : Snowflake"