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

Notre client dans le secteur Énergie et ressources naturelles recherche un/une Expert Splunk senior H/F Description de la mission : Contexte Au sein d'un Global Security Operations Center (GSOC), l'équipe Detection & Automation recherche un expert Splunk senior pour contribuer à la détection, à l'investigation et à la remédiation des menaces de cybersécurité. Le consultant travaillera en collaboration avec les analystes sécurité, un prestataire MSSP et l'équipe CERT afin de prévenir et traiter les incidents de sécurité dans un environnement complexe et dynamique. La mission porte sur l'administration et l'évolution d'une plateforme Splunk traitant environ 8 To de données par jour. Elle couvre notamment l'intégration des sources de données, la gestion des accès et des actifs, la qualité des données, la normalisation des logs, le développement de capacités de détection ainsi que l'automatisation des processus. Compte tenu du fonctionnement du GSOC 24 heures sur 24 et 7 jours sur 7, une participation à une astreinte est requise, généralement à raison d'une semaine par mois selon le planning défini par le Service Delivery Manager. Mission La mission consiste à administrer, maintenir et faire évoluer une plateforme Splunk dans un contexte de cybersécurité opérationnelle, avec un fort enjeu de supervision, de qualité des données, de détection des menaces, d'automatisation et de support aux équipes internes et externes. Principales responsabilités Administrer les applications et gérer les accès utilisateurs au sein de la plateforme Splunk Superviser les environnements Splunk Core, Splunk Enterprise Security, Splunk ITSI, Splunk Cloud et Splunk SC4S Assurer la maintenance régulière et la stabilité de la plateforme Concevoir et produire des rapports et des tableaux de bord pour répondre aux besoins opérationnels et de sécurité Gérer l'ingestion des données Intégrer les sources de données et les équipements de journalisation dans Splunk Contrôler l'exactitude, la cohérence et la qualité des données ingérées Assurer la normalisation des logs Restaurer la collecte des logs en cas de perte ou d'interruption des données Concevoir, mettre en œuvre et optimiser les règles de détection Contribuer à l'élargissement et à l'évolution de la couverture de supervision et de détection Participer à la création de règles de détection cybersécurité et à la mise en œuvre des cas d'usage Développer et déployer des algorithmes de machine learning afin d'améliorer les capacités d'analyse et de détection Contribuer à l'automatisation des processus d'intégration des données et d'assurance qualité Développer des scripts de support et d'automatisation en Python Accompagner les utilisateurs et assurer le support des équipes internes et des clients externes Participer aux migrations et aux évolutions de Splunk ou des systèmes de collecte associés Créer et maintenir la documentation technique ainsi que les guides utilisateurs Construire des tableaux de bord et définir des indicateurs de sécurité et des KPI Participer à l'astreinte Splunk et outils associés au sein d'une équipe de six personnes Proposer en continu des améliorations des outils, des procédures et des processus de réponse aux incidents Contribuer au renforcement de la détection et de la remédiation des menaces Participer aux communautés sécurité internes et au partage de connaissances entre les équipes Communiquer avec les équipes internes et les clients externes en français et en anglais Environnement technique SIEM : Splunk Core, Splunk Enterprise Security, Splunk ITSI, Splunk Cloud, Splunk SC4S Langages et automatisation : Python Cybersécurité : détection, supervision, réponse aux incidents, remédiation Data et logs : intégration de sources de données, ingestion, normalisation des logs, qualité des données Analyse : machine learning, tableaux de bord, reporting, KPI sécurité Processus : ticketing, gestion des SLA Profil recherché Expérience Profil senior Minimum 4 ans d'expérience pratique dans l'administration d'environnements Splunk de production complexes Expérience dans la conception, l'implémentation et l'optimisation de règles de détection Expérience en développement de scripts d'automatisation et de support Expérience des systèmes de ticketing et de la gestion des SLA Expérience dans le développement de tableaux de bord, de rapports et de KPI sécurité Compétences techniques Maîtrise de Splunk Enterprise Security Maîtrise de Splunk ITSI Expérience de Splunk Cloud Expérience de Splunk SC4S Connaissance de l'intégration de sources de données et de systèmes de collecte de logs Compétences en gestion de la qualité et de la normalisation des données Connaissance des processus de supervision, de détection et de réponse aux incidents de cybersécurité Connaissance du machine learning appliqué à l'analyse et à la détection de menaces Solide expérience en développement Python Compétences personnelles Capacité à travailler en collaboration avec des analystes sécurité, un MSSP et une équipe CERT Bon sens du service et capacité à accompagner les utilisateurs Aptitude à communiquer avec des interlocuteurs internes et externes Capacité à proposer des améliorations sur les outils, les procédures et les processus Goût pour le partage de connaissances et le travail en communauté Rigueur dans la documentation et le suivi de la qualité des données Langues Français courant, à l'écrit comme à l'oral Anglais courant, à l'écrit comme à l'oral Compétences / Qualités indispensables : Splunk Enterprise Security, Splunk ITSI, Administration de plateformes Splunk complexes, Python, Détection et réponse aux incidents de cybersécurité, Français et anglais courants Compétences / Qualités qui seraient un + : Maîtrise d'un maximum de modules de Splunk et Splunk CloudInformations concernant le télétravail : Oui — 2 jours/semaine

Nous recherchons un Data Scientist confirmé pour rejoindre une équipe Data et intervenir sur des projets à forts enjeux métiers, de la phase de cadrage jusqu'à l'industrialisation des solutions. Missions principalesParticiper aux ateliers métiers et identifier les cas d'usage Data à forte valeur. Contribuer au cadrage et au pilotage technique des études Data. Réaliser des analyses statistiques et développer des modèles de Machine Learning. Concevoir et maintenir les traitements de données nécessaires aux analyses. Assurer le lien entre les équipes métiers et Data. Développer des visualisations et tableaux de bord d'aide à la décision. Présenter et vulgariser les résultats auprès des différentes parties prenantes. Documenter les travaux et accompagner leur industrialisation et mise en production. Environnement techniquePython (Pandas, Polars, Scikit-learn, XGBoost, Pandera, GeoPandas), PostgreSQL, Teradata, Spark / PySpark, Git, GitLab CI/CD, Power BI.

En tant qu'Ingénieur ML au sein de l'équipe ML Platform, vous mettrez à profit votre solide expérience en industrialisation, votre maîtrise de Python et votre expertise pratique de l'entraînement de modèles. Votre rôle sera de faciliter le travail quotidien du ML Lab sur (leur "neocloud" de choix) et d'assurer la liaison avec l'outillage MLOps (principalement sur AWS), en étroite collaboration avec un ingénieur DevOps dédié. Responsabilités ClésFavoriser l'expérimentation rapide : Créer et maintenir les outils permettant aux chercheurs d'itérer rapidement sur de nouvelles approches ML. Gérer des expériences de recherche à grande échelle : Concevoir et superviser des cycles d'entraînement massifs sur l'infrastructure , en implémentant le suivi des expériences (experiment tracking) et la reproductibilité. Faciliter la collaboration externe : Permettre une collaboration sécurisée avec des partenaires académiques et l'accès aux ressources open-source tout en respectant les protocoles de sécurité. Optimisation des performances et des ressources : Profiler et optimiser les pipelines d'entraînement ; gérer efficacement les ressources GPU. Développement d'outils de recherche : Développer des bibliothèques et utilitaires spécifiques aux domaines du Lab (nouvelles architectures, techniques d'entraînement, frameworks d'évaluation). Transfert de connaissances : Partager les enseignements issus de la recherche expérimentale avec l'ensemble de l'équipe ML Platform et les chercheurs

Au sein de l'équipe Data science & Analytics de la DSI, vous interviendrez sur un projet stratégique complexe mêlant intelligence artificielle, développement de pipelines Data, conception d'algorithmes et industrialisation de solutions. Votre rôle Modélisation prédictive, optimisation et IA générative · Cadrer les nouveaux projets avec les parties prenantes · Extraire, explorer, analyser, synthétiser et transformer les données · Créer des modèles prédictifs en garantissant leur adéquation avec le cahier des charges · Développer des traitements complexes de données, des pipelines de construction de modèles prédictifs et des algorithmes de résolution de problèmes d'optimisation · Concevoir des graphes et des harnais d'agents basés sur l'IA générative Industrialisation des modèles et pipelines Data / IA · Développer, déployer et monitorer des services numériques fiables et capables de passer à l'échelle · Intégrer, tester et maintenir les traitements, pipelines, modèles et composants développés · Identifier les solutions techniques les plus pertinentes en termes de stockage, de traitement distribué et de modélisation · Contribuer aux choix d'architecture et de technologies à court, moyen et long terme Adoption des solutions Data / IA et valorisation des résultats · Accompagner les utilisateurs avant, pendant et après les déploiements des services pour faciliter leur adoption · Présenter les résultats des études et projets à la hiérarchie, aux filiales et aux différentes communautés IT et métiers du Groupe

Dans le cadre d'un projet R&D en Intelligence Artificielle, nous recherchons un Consultant Senior / Chercheur en Machine Learning pour intervenir sur l'évolution d'un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning. CONTEXTE DE LA MISSIONLe projet porte sur le développement d'un framework agentique permettant d'automatiser et d'accélérer différentes étapes de la recherche en Machine Learning : analyse des problématiques, proposition d'expériences, génération et exécution de code, validation expérimentale et évaluation des modèles. Le consultant interviendra principalement sur deux axes : 🔹 Event Forecasting / prévision de séries temporelles Découverte et représentation structurée d'événements Modélisation de leur occurrence, durée, intensité et impact Génération de différents scénarios de prévision Mise en œuvre de méthodes statistiques, Machine Learning et Deep Learning Évaluation rétrospective et tests placebo Prévention des fuites temporelles Amélioration de la robustesse et de la reproductibilité des résultats 🔹 IoT & détection de pannes / maintenance prédictive Détection précoce des anomalies et signaux précurseurs de panne Estimation de la probabilité de panne et de la durée de vie restante Exploitation de séries temporelles multivariées issues de capteurs Gestion des données manquantes, du bruit et des changements de régime Comparaison d'approches supervisées et non supervisées Détection d'anomalies et analyse de survie Production d'alertes explicables et exploitables

Participation aux workshops avec les équipes IT/métiers et les Data Scientists Développement et optimisation de modèles IA/ML pour les use cases métiers Intégration et déploiement des modèles en production (APIs, microservices) Utilisation experte du agentic coding pour accélérer le développement sans compromettre la qualité Mise en place de pipelines MLOps (entraînement, versioning, monitoring) Tests automatisés et validation des modèles (performance, robustesse, biais) Documentation technique détaillée (code, modèles, APIs, prompts réutilisables) Optimisation des performances (latence, coûts, scalabilité) Veille technologique et recommandations sur les nouvelles techniques IA Partage des best practices de agentic coding avec l'équipe

Contexte Notre client lance ses premiers projets d'IA et d'automatisation. Le premier chantier est un POC d'automatiser, c'est-à-dire le recensement d'informations dans les PDF, images et autres, fait aujourd'hui à la main. D'autres projets data et IA suivront. La mission Construire la chaîne de traitement : extraction des PDF, détection des publicités, structuration des données (annonceur, marque, format, page, numéro). Choisir et comparer les approches (OCR, vision, LLM) sur des métriques mesurées : précision, rappel, coût, temps. Livrer du code de production : tests, logs, reprise sur erreur, API, Docker. Préparer la suite : intégrer le traitement aux données et automatiser d'autres processus.

Lead IA / Architecte IA & MLOps du stream IA conçoit, cadre et met en œuvre les architectures IA industrielles (ML classiques et IA générative), en garantissant leur cohérence avec le SI, leur industrialisation via le MLOps, et leur observabilité en production. Cadrage technique & architecture IA Réaliser les études de faisabilité technique IA (données, intégration, sécurité, MLOps). Définir les architectures cibles IA (ML prédictif, RAG, GenAI), alignées avec : le SI existant, les standards Groupe, le socle technique commun (CI/CD, API, SCOM) Formaliser les choix dans des dossiers d'architecture. Prototypage & validation des cas d'usage Piloter ou réaliser des POC IA rapides (4–6 semaines) en lien avec la DSMC. Tester la viabilité des modèles, des données et des chaînes techniques. Documenter résultats, limites, risques techniques et conditions d'industrialisation MLOps & industrialisation Définir et mettre en œuvre les chaînes MLOps : Accompagner l'intégration des solutions IA dans le SI existant. Contribuer au catalogue de services IA de la DSI Observabilité IA & fiabilité Définir et déployer les principes de ML Observability : Mettre en place les alertes et indicateurs nécessaires au pilotage. Contribuer à la stratégie de run IA avec les équipes concernées Gouvernance des modèles IA Contribuer à la gouvernance IA DSI / DSMC : Participer aux comités IA et Architecture. Garantir la conformité des solutions avec les exigences RGPD / AI Act (en lien avec les instances dédiées) Référent IA & accompagnement des équipes Agir comme référent technique IA pour la DSI. Accompagner Data Engineers, équipes projets et prestataires. Diffuser les bonnes pratiques IA / MLOps (standards, patterns, retours d'expérience). Contribuer à la montée en compétence globale sur l'IA industrielle Indispensables Python, Git, CI/CD (GitLabCI) Cloud (priorité Azure) Concepts ML & IA générative (RAG, LLM, embeddings) MLOps (versioning, pipelines, monitoring) Intégration SI / APIs Agent IA Appréciées (non bloquantes) Snowflake Airflow Sécurité IA (prompts, cloisonnement, traçabilité)

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.

Objectif de la mission : Dans le cadre de l'accélération de sa stratégie autour de l'Intelligence Artificielle et de l'innovation, un acteur majeur des services financiers souhaite renforcer son dispositif avec un profil senior capable de définir, piloter et déployer une stratégie IA à l'échelle de l'organisation. La mission intervient à la convergence des enjeux technologiques, métiers, data et transformation. L'objectif est de faire passer les initiatives IA de l'expérimentation à une adoption industrialisée, gouvernée et créatrice de valeur pour les différentes activités. 1. Définition de la stratégie IA et Innovation · La mission aura pour responsabilité de définir et piloter la stratégie IA et innovation en cohérence avec les priorités de l'organisation. · Elle devra identifier les opportunités à fort potentiel et structurer leur mise en œuvre en collaboration avec les équipes métiers, IT et Data. 2. Industrialisation des initiatives IA · La mission devra accompagner le passage à l'échelle des solutions IA et structurer leur déploiement auprès des différentes lignes métiers. · Les cas d'usage pourront notamment concerner les activités d'investissement, les opérations, la conformité, la distribution et les services clients. · L'objectif sera de transformer les expérimentations pertinentes en solutions industrialisées produisant une valeur mesurable en matière d'efficacité, de productivité ou de revenus. 3. Gouvernance, conformité et gestion des risques · La mission devra garantir un cadre robuste pour le développement et l'utilisation des solutions IA. · Une attention particulière sera portée à la gouvernance, à la conformité et à la maîtrise des risques associés aux initiatives déployées. 4. Transformation et acculturation IA · La mission participera activement au développement d'une culture d'innovation et d'expérimentation autour de l'IA. · Elle accompagnera les différentes parties prenantes dans l'adoption des nouveaux usages et pilotera les dimensions de conduite du changement et d'acculturation associées. Prestations demandées : Les principales responsabilités seront les suivantes : · Définir et piloter la stratégie IA et Innovation. · Identifier et prioriser les initiatives IA à fort potentiel métier. · Accompagner l'expérimentation puis l'industrialisation des solutions retenues. · Déployer l'adoption de l'IA à l'échelle des différentes activités. · Piloter la création de valeur générée par les initiatives IA en matière d'efficacité, de productivité et de revenus. · Structurer la gouvernance, la conformité et la gestion des risques associés aux solutions IA. · Développer un écosystème favorisant l'innovation et l'expérimentation. · Piloter la conduite du changement et l'acculturation des équipes aux usages de l'IA. · Travailler en coordination étroite avec les équipes métiers, IT et Data. · Interagir avec des parties prenantes de niveau direction.

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

Dans le cadre du développement de solutions d'Intelligence Artificielle au sein d'un grand acteur bancaire, nous recherchons un Expert IA / Machine Learning disposant d'une forte expertise en développement Python et en Agentic Coding. Vous maîtrisez les principaux outils d'IA générative appliqués au développement (GitHub Copilot, Cursor, Claude Code, ChatGPT) et savez les utiliser pour accélérer significativement les cycles de développement, tout en garantissant la qualité, la robustesse et la maintenabilité du code produit. La mission se déroule dans un environnement international et anglophone : un niveau d'anglais professionnel est indispensable. MissionsVous interviendrez notamment sur les activités suivantes : Participation aux workshops avec les équipes IT, métiers et Data Scientists ; Développement et optimisation de modèles IA / Machine Learning répondant aux différents use cases métiers ; Intégration et déploiement des modèles en production via APIs et microservices ; Utilisation avancée de l'Agentic Coding pour accélérer le développement et automatiser certaines tâches ; Décomposition de problématiques complexes en instructions et prompts exploitables par les outils d'IA ; Revue, validation et optimisation du code généré par IA ; Mise en place de pipelines MLOps : entraînement, versioning, déploiement et monitoring ; Développement de tests automatisés et validation des modèles en matière de performance, robustesse et biais ; Documentation du code, des modèles, des APIs et des prompts réutilisables ; Optimisation des performances : latence, coûts et scalabilité ; Veille technologique et recommandations sur les nouvelles approches et technologies IA ; Diffusion des bonnes pratiques d'Agentic Coding auprès des équipes.

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.

Dans le cadre de l'industrialisation de ses modèles de machine learning, un grand compte recherche un ML Engineer pour assurer le passage des modèles du stade expérimental à la production, et leur maintien en conditions opérationnelles. Le consultant interviendra notamment sur : ▪ L'industrialisation des modèles développés par les équipes de data science : refactoring, packaging, optimisation ▪ Le développement des APIs et services d'inférence exposant les modèles ▪ La mise en production dans un environnement conteneurisé et le déploiement continu ▪ Le monitoring des modèles en production : performance, dérive des données (drift), alerting ▪ L'automatisation des pipelines de réentraînement et de validation ▪ Le suivi des expérimentations et le versioning des modèles ▪ L'optimisation des performances et des coûts d'inférence