Data scientist / machine learning scientist

VeoNum…Tu en a déjà entendu parler ? un peu, beaucoup, pas encore suffisamment ?
Peu importe ta réponse à la question, je te laisse poursuivre ta lecture et t'immerger dans l'environnement Human First, valeur fondamentale de l'entreprise.
VeoNum, entreprise rennaise, regroupe aujourd'hui 40 consultants dont plusieurs dotés d'un doctorat. Elle est le fruit de l'engagement de ses trois fondateurs dont les valeurs sont basées sur la bienveillance, le partage, le bien-être et l'expertise technique.
L'entreprise à taille humaine s'inscrit dans une logique de proximité en faisant preuve de convivialité et de bon sens au quotidien.
Le « Human first », notre ADN, qu'en est-il exactement ?
C'est le choix du projet sur lequel tu vas travailler, sans aucune mobilité !
C'est une formation sur mesure et adaptée à ton expertise,
C'est une bonne mutuelle, des tickets restaurant, des RTTs …
C'est une participation aux événements régionaux (DevFest, Agile Tour…) où tu vas pouvoir te nourrir d'informations sur ton métier
C'est une vraie Team où on sait aussi de temps en temps laisser le travail de côté ! (Soirées, escape game, barbecue, karting…)
L'activité de l'entreprise quant à elle s'oriente sur plusieurs axes autour desquels tu pourras évoluer, et ainsi rapidement monter en compétences entre deux projets :
La veille technologique sur les nouveaux Frameworks
Des projets réalisés pour des clients internationaux,




Contexte
Dans le cadre de projets en sciences du vivant à forte composante analytique, nous recherchons un Data Scientist / Machine Learning Scientist spécialisé en inférence causale. Le poste porte sur le développement et l'exploitation d'algorithmes avancés appliqués à des données de santé complexes, principalement observationnelles et longitudinales.
Missions

- Concevoir et développer des algorithmes de machine learning orientés causalité
- Estimer des effets de traitement à partir de données observationnelles
- Mettre en œuvre des approches d'inférence causale robustes et interprétables
- Analyser des effets cumulés et traiter des confondants dépendants du temps
- Produire des analyses scientifiquement solides et reproductibles
- Collaborer avec des équipes pluridisciplinaires (data science, biostatistiques, recherche)
Compétences techniques requises

- Machine learning et explicabilité des modèles
- SHAP
- Inférence causale
- DoWhy (formalisation et validation des hypothèses causales)
- EconML (effets de traitement hétérogènes, DML, CATE)
- zepid (modèles structurels marginaux - MSM)
Méthodes avancées

- G-formula (g-computation)
- Forêts causales
- Analyse de données longitudinales
- Outils et langages
- Python (indispensable)
- R (apprécié)
Profil recherché

- Formation supérieure en data science, statistiques, mathématiques appliquées, biostatistiques ou équivalent
- Expérience confirmée en machine learning appliqué à l'inférence causale
- Bonne compréhension des problématiques liées aux sciences du vivant, à la santé ou à l'épidémiologie
- Forte rigueur méthodologique et esprit analytique
- Autonomie et capacité à travailler sur des sujets complexes
Full remote possible