Trouvez votre prochaine offre d’emploi ou de mission freelance Dash

🚀 Mission Freelance – Lead Tech Data Python / Spark (H/F) Dans le cadre du renforcement d’une équipe Data, nous recherchons un Lead Tech Data Freelance pour intervenir sur des sujets de développement, industrialisation et accompagnement technique autour des plateformes et traitements Data. 📍 Mission : Freelance 📅 Démarrage : ASAP 🏠 Mode d’intervention : Hybride / à définir 👤 Séniorité : Lead / Senior 🎯 Vos missions 🔹 Développer et maintenir des applications et traitements orientés Data en Python 🔹 Concevoir et maintenir des API , dashboards et pipelines de données 🔹 Participer à l’industrialisation des projets et à l’amélioration continue 🔹 Garantir la qualité logicielle : • Revues de code • Diffusion des bonnes pratiques • Accompagnement des équipes 🔹 Assurer le cadrage technique et accompagner les projets 🔹 Collaborer avec les équipes transverses et les Product Owners 🔹 Réaliser des études et analyses Data 🛠 Stack technique Python : FastAPI, Dash, Pandas, packaging, PyTest, parallélisation Data / Big Data : Spark (PySpark / Scala), Hadoop BDD : SQL, PostgreSQL, Teradata Outils : Git, GitLab CI/CD, Jira, Confluence, Bitbucket

Nous recherchons un Data Scientist pour accompagner un acteur majeur du secteur industriel dans le déploiement d'une solution de maintenance prédictive, au sein d'un environnement technique hybride combinant infrastructure on-premise et cloud Databricks (Azure). La mission s'inscrit dans un projet d'étude structuré en plusieurs phases, mené dans un contexte Agile, avec des livrables attendus à chaque jalon. L'objectif est de concevoir et d'industrialiser des modèles d'analyse permettant de détecter, diagnostiquer et anticiper les pannes d'équipements industriels, en s'appuyant à la fois sur des données réelles collectées en service et sur des données simulées de dégradation. Le projet implique une collaboration étroite avec des équipes Data Engineering et des experts métier maintenance, dans une logique de co-construction et de montée en maturité analytique progressive. Responsabilités : - Réaliser l'exploration et la caractérisation des données (signaux bruts, indicateurs, tendances) à l'aide d'un outil dédié restituant l'identité graphique de chaque type de panne - Conduire la sélection de features discriminantes permettant de distinguer un équipement sain d'un équipement défaillant, à partir de données en service et de données simulées - Développer et évaluer des modèles de diagnostic couvrant les différents modes de panne identifiés - Concevoir des modèles de pronostic (trajectoires de descripteurs, prédiction de pannes) en mobilisant des approches de machine learning supervisé et non supervisé - Participer à la mise en œuvre des pipelines de données et à leur orchestration (Airflow, Azure Data Factory, Databricks Jobs) - Contribuer aux pratiques MLOps : versionnement des modèles, suivi des expérimentations et gestion du cycle de vie via MLflow - Produire des restitutions claires et exploitables à destination des équipes métier, via des outils de visualisation adaptés (PowerBI, Dash, RShiny) - Collaborer avec les Data Engineers sur les aspects de gestion de la donnée, de gouvernance et d'environnement de développement partagé

Genious Systèmes recherche un(e) Ingenieur Production Applicatif F/H pour son client afin d’assurer l’exploitation et la qualité de deux périmètres opérationnels : la plateforme le système interne qui prend en charge le cycle de vie des programmes Nous recherchons un(e) généraliste technique orienté Exploitation & Qualité de Service (Run & Quality) : capable d’intervenir sur l’ensemble de la chaîne technique (HTTP, API, middlewares, hébergement), de corriger les incidents relevant de son périmètre, d’automatiser les tâches répétitives et de maintenir un haut niveau de qualité opérationnelle (procédures d’exploitation, analyses post-incident, réduction du MTTR, maintenance des automatisations). Ici, le terme « qualité » fait référence à la qualité de service et de livraison , et non à l’assurance qualité (QA) ou aux tests logiciels. Périmètre fonctionnel: le diagnostic d’incidents et de problématiques transverses, aussi bien en production que dans le cadre des évolutions ; le débogage des applications mobiles à l’aide d’outils de proxy réseau; la rédaction de requêtes SQL à des fins de diagnostic ; la lecture et l’analyse de code via Git ; l’utilisation d’outils d’observabilité et de supervision (ELK, Grafana, New Relic) ; la gestion et l’analyse du comportement des CDN au niveau HTTP, ainsi que l’identification et la qualification des erreurs courantes liées aux flux HLS et DASH. Hors périmètre : l’ingénierie du streaming proprement dite (encodage, packaging, mécanismes internes de DRM, fonctionnement interne des lecteurs OTT, distribution broadcast), qui relève d’équipes et de contrats distincts.