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

Contexte mission Dans le cadre de l'accélération sur l'Intelligence Artificielle de notre client, nous recherchons un(e) Data Scientist IA capable de concevoir, développer et industrialiser des modèles avancés de Machine Learning et d'IA générative. Vous travaillerez en étroite collaboration avec les métiers, les équipes Data et IT afin d'identifier, développer et déployer des solutions innovantes créant de la valeur, tout en respectant les exigences réglementaires et de gouvernance. Principales responsabilités Concevoir et développer des modèles de Machine Learning et d'IA Générative Réaliser des analyses exploratoires de données et du feature engineering Entraîner, tester, calibrer et optimiser les modèles Développer des solutions basées sur le NLP et les LLM Effectuer des analyses statistiques avancées pour identifier des opportunités business Collaborer avec les équipes métiers pour transformer les besoins en cas d'usage concrets Garantir la robustesse, la performance et l'explicabilité des modèles Participer au suivi et à l'amélioration continue des modèles en production

Date de démarrage : ASAP Date de fin : 25/06/2027 (Mission de longue durée) Localisation : Massy (Rythme : 2 jours par semaine sur site) Tarif Journalier Moyen (TJM) Max : 510 € HT Contexte et Mission : Au sein de l'Analytics Factory, entité transverse qui conçoit et développe les services analytiques à forte valeur ajoutée pour soutenir la prise de décision stratégique, vous serez le moteur technique de la transformation digitale des points de vente physiques. Votre objectif principal consistera à concevoir, développer et déployer en production des modèles de Computer Vision innovants. Vous rejoindrez un projet d'envergure phare : le Monitoring Temps Réel de l'Étagère, visant à transformer les rayons physiques en flux de données exploitables pour optimiser l'excellence opérationnelle et l'expérience client. Livrables et Enjeux clés :Développer des solutions capables de comprendre parfaitement la disponibilité, la conformité des rayons et les mouvements des stocks via l'analyse d'images. Relever des défis de détection d'objets et de reconnaissance de produits à très grande échelle. Assurer l'industrialisation et le déploiement de ces modèles dans un environnement de production en temps réel. Compétences Techniques et Expertises Requises : Incontournables (Must have) :Langage : Maîtrise experte de Python. Cloud & MLOps : Expérience significative sur l'écosystème GCP (Google Cloud Platform) et l'utilisation de Vertex AI pour le cycle de vie des modèles. Algorithmes : Solides compétences en Deep Learning appliquées à la vision par ordinateur. Souhaitées (Nice to have) :Modèles de pointe : Connaissance et manipulation de modèles récents tels que YOLO, SAM (Segment Anything), DINOv2 pour le feature extraction ou équivalents. Recherche d'images : Expérience avec les bases de données vectorielles (Vector Databases) pour le matching et l'indexation de produits à grande échelle. Frameworks & Outils : Pratique courante de PyTorch, TensorFlow, OpenCV et des environnements conteneurisés (Kubernetes).

Tu rejoins une équipe pluridisciplinaire, en tant que ML Engineer, tu interviens sur l'ensemble du cycle de vie des features ML — de l'idée à la mise en production — en collaboration étroite avec les équipes back-end, front-end et produit. Parmi les sujets sur lesquels tu pourras contribuer : personnalisation des résultats de recherche / recommandations (nouveaux signaux, nouvelles architectures de modèles, A/B tests), refonte du système d'auto-complétion, amélioration des pipelines ML (automatisation, monitoring, observabilité), ou encore exploration proactive de nouvelles approches ML pour résoudre des problèmes utilisateurs concrets. Le poste est volontairement équilibré entre modélisation et industrialisation , dans un stack moderne : Python, PyTorch, TensorFlow, MLflow, Kubeflow, Airflow, KServe, AWS, FastAPI, Kubernetes

Data science PYTHON GCP Senior 500 e par j ● Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python ● Utiliser les plateformes de cloud computing, notamment GCP ou équivalents ● Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning Nice to Have ● Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy ● Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch ● Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables ● Gérer le versionning des données et des modèles ● Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly 500 e par j