Data scientist

Appliquer des modèles probabilistes de type modèles génératifs ou modèles d’apprentissage à l’échelle et dans le domaine de la R&D et du manufacturing demeure un enjeu, notamment à cause du manque de fondations solides sur la gestion de la donnée. Nous adressons ce défi, en partie, à l’aide de graph de connaissance que nous concevons, développons, déployons et maintenons.
Vous souhaitez mettre en application vos compétences au sein de projets d’envergure pour le compte de grands groupes industriels? Rejoignez notre équipe de spécialistes ‘Hybrid Intelligence’ au sein de Capgemini Engineering.
En tant que Graph Data Scientist au sein d’une équipe pluridisciplinaire – qui hybride data, technologie et ingénierie – vous:
- Proposez et appliquez des solutions bout en bout à des problèmes variés d’ingénieries et de manufacturing.
- Participez à la définition des approches scientifiques/techniques liées aux enjeux des projets.
- Assistez à la réponse à des appels d’offres techniques en rapport avec les graphs de connaissances et les ontologies.
- Encadrez des projets techniques et être garant de leur livraison – cela implique de comprendre les cas d’usages métiers, de les retranscrire en spécification, de définir les conditions de succès, de respecter les contraintes technologiques et budgétaires, de monitorer la valeur métier générée, et d’échanger avec diverses disciplines dont des architectes logiciels et cloud, des développeurs backend, des ingénieurs métiers, des ingénieurs de la donnée, etc.
- Participez à des réunions avec des partenaires industriels et académiques.
Diplômé(e) d'une école d'ingénieur, d’une école informatique ou d’une école mathématique avec une spécialisation data science ou docteur dans un domaine pertinent (par exemple, Informatique, Statistiques, Mathématiques appliquées, Sciences physiques, Ingénierie), vous justifiez d'une expérience professionnelle d’au moins 5 à 6 ans sur des aspects de Data Science, Graph, IA.
Vous possédez les compétences dans les disciplines suivantes :
- Technologies du Web sémantique et éditeurs associés (RDF/OWL, SPARQL, SHACL, etc.)
- Graphe de connaissances – graph embeddings, graph Ops, graph RAG, graph neural network, utilisation de standards industriels
- NLP (huggingface, BERT, NER)
- Développement Java ou C# est un plus
- Neo4j, GraphQL, AWS Neptune, AuraDB, MongoDB
- L’anglais et le français