Trouvez votre prochaine offre d’emploi ou de mission freelance Machine Learning

Nous recherchons un/e Data Scientist pour rejoindre une équipe dynamique en Région parisienne (onsite 1x par semaine). Vous participerez à la conception et à la mise en œuvre de solutions de data science et d’apprentissage automatique à fort impact, contribuant directement à la création de valeur pour l’entreprise. Missions principales Concevoir et implémenter des solutions de data science de bout en bout pour résoudre des problématiques métier. Extraire, nettoyer et analyser de grands volumes de données, notamment à l’aide de Teradata Vantage et SQL . Construire et déployer des modèles de machine learning en Python . Exploiter des feature stores pour le développement et la mise en production des modèles. Explorer et appliquer des approches en IA générative (LLM, transformers) selon les cas d’usage. Définir des stratégies de data science alignées avec les objectifs métier et la feuille de route data de long terme. Communiquer méthodologies, résultats et recommandations à des publics variés (techniques et non techniques). Préparer et présenter des analyses et recommandations claires à différents niveaux (direction, opérationnel, technique). Collaborer avec les data engineers, analystes et experts métier pour intégrer les solutions en production. Contribuer à l’amélioration continue des outils, processus et bonnes pratiques en data science.

Contexte Dans le cadre du développement d’une Squad Usages Data Avancés & IA , nous recherchons un(e) Data Engineer confirmé(e) pour contribuer à la conception, l’industrialisation et l’amélioration continue de solutions data à forte valeur ajoutée. Vous évoluerez dans un environnement orienté DataOps , MLOps et industrialisation de solutions analytiques, au sein d’une équipe pluridisciplinaire (Data Scientists, DevOps, Product Owner…). La squad intervient sur : La conception et la maintenance d’applications data L’amélioration continue des produits existants La construction de nouveaux usages Data & IA Vos missions Conception & Architecture Participer à la définition des solutions applicatives data Contribuer aux choix d’architecture (batch, streaming, microservices data) Concevoir des pipelines robustes, scalables et performants Développement & Intégration Construire et maintenir des pipelines ETL / ELT (données structurées et non structurées) Développer des traitements en Python (PySpark, FastAPI) et SQL Intégrer des flux temps réel via Kafka / Spark Réaliser les phases d’intégration et de recette technique Industrialisation – DataOps / MLOps Mettre en œuvre des chaînes CI/CD et de déploiement (Docker, Kubernetes, GitHub/GitLab Actions) Industrialiser des modèles statistiques ou de Machine Learning Versionner données, modèles et code Monitorer la performance, la qualité et les coûts des traitements Assurer l’observabilité des solutions (ELK, Prometheus/Grafana, MLflow) Qualité & Amélioration Continue Mettre en place des tests automatisés (Pytest) Maintenir un haut niveau de qualité de code (SonarQube) Améliorer l’efficacité des processus Maintenir une documentation claire et à jour Collaboration Travailler en étroite collaboration avec les membres de la squad Préparer des datasets pour l’exploration et l’analyse Accompagner les utilisateurs dans la prise en main des solutions Docker Kubernetes GitHub Actions ou GitLab CI Compétences techniques requises Langages & Frameworks: Python (PySpark, FastAPI), SQL Big Data & Streaming: Apache Spark, Apache Kafka Bases de données: PostgreSQL, Teradata, MySQL MLOps / CI-CD / Conteneurisation: Docker, Kubernetes, GitHub Actions ou GitLab CI Qualité & Observabilité: Pytest, SonarQube, Stack ELK, Prometheus / Grafana, MLflow

Prestations demandées RESPONSABILITES - Conception et implémentation des pipelines de données : • Concevoir et développer des pipelines de données automatisés pour collecter, charger et transformer les données provenant de différentes sources (internes et externes) dans le Data Hub puis pour les transformer en Data Product Data Hub, Data Science ou Data Viz (Power BI). • Optimiser les pipelines de données pour garantir des performances élevées, une faible latence, et une intégrité des données et des traitements tout au long du processus. • Travailler avec les équipes data science et métiers pour comprendre leurs besoins en données et en traitements, et adapter les pipelines en conséquence. - Industrialisation et automatisation des flux de données et des traitements : • Mettre en place des processus d’industrialisation des modèles de machine learning et des flux de données, en garantissant la scalabilité et la fiabilité des pipelines en production. • Automatiser la gestion et le traitement des données à grande échelle, en veillant à réduire les interventions manuelles tout en assurant une supervision proactive des performances et des anomalies. • Collaborer étroitement avec les data scientists et MLOps pour assurer une transition des projets de l’exploration à la production, en intégrant les modèles dans des pipelines automatisés. - Gestion des données et optimisation des performances : • Optimiser les performances des requêtes et des pipelines de traitement des données, en utilisant les meilleures pratiques en matière de gestion des ressources et d’architecture de stockage (raw, refined, trusted layers). • Assurer une surveillance continue de la qualité des données et mettre en place des contrôles de validation pour maintenir l’intégrité des jeux de données. - Sécurité et gouvernance des données : • Mettre en œuvre des solutions de sécurisation des données (gestion des accès, cryptage, audits) pour garantir la conformité avec les réglementations internes et externes. • Travailler en collaboration avec le Data Office pour assurer l’alignement avec les politiques et processus définis. • Maintenir la documentation technique des pipelines et des flux de données, en assurant la traçabilité et la gestion des métadonnées. COMPETENCES - Expérience confirmée en ingénierie des données : Solide expérience dans la conception, la mise en œuvre et l’optimisation de pipelines de données. - Maîtrise des technologies de traitement de données : Expertise dans l’utilisation d’outils et technologies tels que ELT, Spark, SQL, Python, Dataiku, et la gestion de data warehouses et data hubs. - Compétence en sécurité et gouvernance des données : Connaissance des enjeux de sécurité, de conformité réglementaire (GDPR), et de gouvernance des données, avec une capacité à implémenter des solutions adéquates. - Compétences en automatisation et industrialisation : Capacité à automatiser et industrialiser les flux de données et les traitements afférents, en assurant la transition fluide des projets data science vers la production. - Maîtrise de l’anglais : La maîtrise de l’anglais est indispensable pour interagir avec des parties prenantes

Contexte L'équipe du client travaille sur le développement des algorithmes de détection d'anomalie sur des pièces industrielles. L'équipe est composée d'une dizaine de personnes (Data scientist, deep learning ingénieur, ML engénieur) et travaille sur une dizaine de projet par an pour développer des solutions d'aide au contrôle industriel. Les données traitées sont des images sous des formes variées (ultrasons, rayons X, tomographie, images visibles, vidéo, etc...) Pour produire les détecteurs (ou algorithme), l'équipe s'appuie sur une stack d'outils internes permettant l'industrialisation du travail des Deep Learning Scientist. La stack se divise en : une stack d'outils génériques (AI Platform) servant toutes nos lignes de produit, développée par l'équipe AI engineering. une stack d'outils spécifiques à l'équipe contrôle non destructif, développée par l'équipe CND elle-même. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer l'équipe pour contribuer à plusieurs projets CND. Soft skills Votre esprit est rigoureux, créatif et méticuleux. Vous avez un bon esprit critique, ainsi que de bonnes capacités d'analyse des résultats et de prise de recul. Vous avez une bonne capacité à travailler en équipe, et de bonnes compétences en communication. Vous êtes pragmatique, et orienté résultat.

Contexte : Définition des besoins assistance au design / rédaction TAD (functional/Non Functional) Accompagner les squads projets dans la mise en place d’architectures data sécurisées et scalables sur Azure Collaborer avec les architectes data, sécurité, entreprise et les DevOps dans chaque squad. Garantir la bonne intégration et l’usage des composants Azure liés à la data. Assurer l’isolation, la sécurisation et le bon routage des accès aux données. Compétences attendues : Expertise Cloud Azure (Infrastructure), notamment : Azure Data Factory Azure Databricks Azure Data Lake Storage Azure Synapse Analytics Connaissances approfondies des problématiques d’architecture sécurisée, d’accès aux données, et de segmentation des environnements. Expérience dans l’intégration Power BI avec des ressources Azure (via Data Gateway, par exemple). Capacité à travailler en environnement agile multi-squad Périmètre technique : Ingestion de données depuis différentes sources (bases relationnelles, fichiers, APIs). Stockage des données dans un Data Lake et modélisation dans un Data Warehouse. Orchestration et transformation via Azure Data Factory et Databricks, intégration potentielle de modèles Machine Learning. Mise en place de pipelines ELT : structuration des données pour les rendre exploitables par les métiers. Restitution des données via Power BI (connexion entre Power BI SaaS et bases PaaS via Data Gateway)

Secteur bancaire. Résumé Compétences techniques requises Orchestration GPU : Expérience avec des solutions d'orchestration GPU (Run.ai, ClearML, Volcano...) Containerisation : Docker, Kubernetes, OpenShift (5+ ans) Infrastructure : OpenShift, infrastructure on-premise, notions AWS/GCP Automatisation : GitLab CI/CD, Jenkins, Kestra est un + Monitoring : Prometheus, Grafana, ELK Stack Scripting : Python, Bash, Go est un + Compétences souhaitées : Expérience avec Run.ai ou KAI Scheduler serait un plus Expérience et intérêt à la gestion de plateforme en production (MCO/MCS) Connaissance des architectures IA/ML et des frameworks (Transformers, TensorFlow, PyTorch) Expérience en environnement bancaire ou secteur régulé Certification Kubernetes (CKA/CKAD) ou Openshift serait un plus Maîtrise des outils Atlassian (Jira, Wiki) Maitrise de l’agilité Soft skills Autonomie et proactivité dans un environnement complexe Capacité à travailler en équipe pluridisciplinaire Excellent relationnel pour accompagner les utilisateurs métier Rigueur et respect des procédures de sécurité Expérience : expérimenté ou + • Les astreintes (HNO, etc…) : oui • La possibilité de renouvellement : Oui • Type de besoin : nouvelle position • Type de projet (support / maintenance / implementation /…) : Implémentation • Type de prestation (Client / Hybrid / Remote) : Client • Nombre de jours/semaine ou par mois (à préciser : /s ou /m) chez le client : 3 jours / semaine

Descriptif mission : En coordination avec les différents acteurs du pôle Payment et du Groupe • contribution aux projets décisionnels - Big data, • participation et animation de groupes de travail avec les utilisateurs et les informatiques • collecte des besoins auprès des métiers, • modélisation et développement des reporting : spécification des indicateurs décisionnels (statistique, qualité, facturation) • Exploration de données • rédaction des livrables : spécifications fonctionnelles et techniques, cahiers de recette • participation aux recettes • formation et accompagnement des utilisateurs Connaissances techniques : Maîtrise des architectures et plateforme de l’IA ainsi que du Cloud. • Environnements et outils de Google Cloud Platform : - BigQuery, - Airflow, - Vertex Ai/Notebook Jupyter • Maîtrise des algos ML (notamment classification et NLP) • Langages : SQL, Python (Pandas, Scikit learn, Tensor Flow) • Delivery : Git, Jenkins / Cloud Build • Connaissance du Data Engineering fortement appréciée • Bonne connaissance générale des logiques décisionnelles Connaissances fonctionnelles : Comprendre l’environnement et les métiers de Paiements. Une connaissance préalable des paiements serait un plus.

Objectif de la mission Garantir le niveau de service, la gouvernance et le pilotage opérationnel (run) des plateformes Braincube et Dataiku, en assurant la performance, la conformité et l’amélioration continue du service. Responsabilités principales Maintenir les standards de service, assurer la conformité licences et suivre les usages via des KPIs Gérer incidents, demandes et changements, assurer la communication interne et utilisateurs Définir et suivre les SLA, piloter la performance du service et les indicateurs associés Structurer la roadmap, identifier les améliorations continues et piloter le plan de charge Garantir la résilience des plateformes (évolutions, obsolescences) et la sécurité des données Piloter les activités opérationnelles multi-sites (France / Inde / éditeurs / prestataires) Assurer l’interface avec les équipes IT et data pour faciliter l’exploitation du service Produire la documentation de service (guides, onboarding, bonnes pratiques) Environnement technique Braincube, Dataiku AWS (S3, EC2, EKS), déploiements sécurisés Connaissances ML Ops / Data Science / IA / IA générative Architecture SI / data, gouvernance data, exploitation et performance Sécurité et conformité (RBAC, chiffrement, logging, RGPD) Livrables attendus Reporting KPI et suivi des SLA Guides de bonnes pratiques et supports de formation Documentation de service et onboarding Plan de montée en compétences et roadmap d’amélioration Profil recherché Service Owner / Service Manager senior (8+ ans) Expérience pilotage run et gouvernance de plateformes data / analytics Solide compréhension des environnements cloud AWS et des enjeux data

Administrateur ElasticSearch Paris - administrer une base de données NOSQL - expérience de 7 à 10 ans Quelqu'un qui serait capable d'administrer une base de données NOSQL pour pouvoir gérer correctement les performances d'une base de données ElasticSearch et qui serait capable de réviser/gérer des index. Administrateur ElasticSearch et Gestion des PerformanceTunique ELK Description du Poste Nous recherchons un Expert ELK confirmé, spécialisé dans l'administration avancée d'une plateforme ElasticSearch et la gestion de ses performances (sujet critique dû à l’absorption quotidienne de données d' APM (Application Performance Monitoring) . Ce poste exige une expertise approfondie dans la configuration, la gestion des performances au quotidien , et l'optimisation des bases de données NoSQL. Vous serez un pilier essentiel de notre équipe dédiée au système de management, à l'observabilité et à l'automatisation. Responsabilités Administration de Plateforme ElasticSearch : Assurer la gestion quotidienne d'une plateforme ElasticSearch, incluant la configuration, le monitoring et l'optimisation des performances. Gestion de Performance via APM : Intégrer et analyser les données d'APM pour identifier les goulots d'étranglement et optimiser les performances des applications. Configuration et Tuning Avancé : Mettre en place des configurations optimales pour garantir la scalabilité, la haute disponibilité et des performances maximales et automatiser les tâches répétitives. Gestion des Performances : Identifier et résoudre les problèmes de performance, optimiser les requêtes et ajuster les paramètres pour une utilisation efficace des ressources. Déploiement et Maintenance de la Stack ELK : Installer, configurer et maintenir Elasticsearch, Logstash et Kibana, avec un focus sur la robustesse et la fiabilité. Optimisation des Bases de Données NoSQL : Analyser et optimiser les performances des bases de données NoSQL pour garantir une efficacité maximale. Configuration des ILM (Index Lifecycle Management) : Mettre en place et gérer les politiques ILM pour optimiser la gestion des index et leur cycle de vie. Gestion des Shards : Configurer et optimiser la répartition des shards pour garantir des performances élevées et une utilisation efficace des ressources. Interrogation des API via Logstash : Configurer et utiliser Logstash pour interroger des API externes et intégrer les données collectées dans Elasticsearch. Documentation et Support : Rédiger et maintenir la documentation des configurations et des processus, et assurer le support technique et la résolution des problèmes liés à la stack ELK. Compétences Requises Expérience : Minimum 5 ans d'expérience en administration de plateforme ElasticSearch , avec une expertise démontrée dans la gestion quotidienne des performances et des configurations avancées. Connaissances Techniques : Maîtrise des concepts d’ingestion, de transformation et de visualisation des données, avec des compétences avancées en tuning de performances. Gestion de Performance via APM : Expérience dans l'intégration et l'analyse des données d'APM pour optimiser les performances des applications. Interrogation des API : Expérience dans la configuration de Logstash pour interroger des API externes et intégrer les données dans Elasticsearch. ILM et Shards : Expertise dans la configuration des politiques ILM et la gestion des shards pour optimiser les performances et la scalabilité. Machine Learning : Expérience dans l'utilisation des fonctionnalités de Machine Learning d'Elasticsearch. Monitoring et Observabilité : Expérience approfondie dans la surveillance et la gestion de l'infrastructure IT avec un accent sur l'observabilité avancée. Interopérabilité : Expérience dans l'intégration d'ELK avec ServiceNow ou des systèmes similaires. Communication et Résolution de Problèmes : Excellentes compétences en communication écrite et orale, et capacité à diagnostiquer et résoudre des problèmes complexes de manière efficace et autonome. Atouts Connaissance d'autres outils de monitoring : Prometheus, Grafana, etc. Certification Elastic : Un atout majeur. Expérience avec des bases de données NoSQL et SQL : Expertise en optimisation et tuning. Connaissance des pratiques DevOps et des outils CI/CD : Expérience souhaitée. Expérience avec ServiceNow et son écosystème : Un plus. Scripting et Automatisation : Compétence en scripting (Python, Bash, etc.) et expérience avec des outils d'automatisation (Ansible, Puppet, etc.)