Data scientist - machine learning h/f

AGH Consulting est un Groupe de Conseil et d'Ingénierie lancé en 2005.

On parle beaucoup du Monde d'Après en ce moment, et il est nécessaire de se demander de quoi il sera fait. Depuis sa création en 2005, AGH Consulting travaille à imaginer l'avenir.
En France d'abord, à Paris, Marseille et Nantes, la marque s'est ensuite déployée sur d'autres continents aux Emirats Arabes Unis, au Maroc, en Espagne, en Belgique ou encore en Thaïlande.
Nous cherchons les Consultants et les Managers de demain, issus d'un parcours d'excellence, avec un esprit agile et mordant ! Chez AGH Consulting, il est possible de commencer sa carrière à Paris, et de traverser les pays au fil des développements du Groupe.

Au programme :

Réseaux de télécommunications et Data Center, Centrales de production solaire et raffineries, Aéroports et gares, IGH ;

Les réseaux Fibre, la 4G, la 5G, le Grand Paris ou le BIM.

Intégrés au sein d'équipes opérationnelles et encadrés par des Business Managers, des Team Leaders ou des Experts, nos collaborateurs pourront intervenir au sein de nos Centres de Services ou directement auprès de nos clients pour participer au développement des projets confiés au Groupe. Nous recherchons pour l'un de nos clients Télécoms un(e) Data Scientist pour analyser la consommation énergétique des antennes télécom. L'objectif est de comprendre quelles fréquences (ex : 700 MHz, 1800 MHz) consomment le plus, et de prévoir l'évolution de cette consommation dans le temps.

Le ou la consultante devra utiliser des techniques de Machine Learning (ML) - c'est-à-dire des algorithmes capables d'apprendre des tendances à partir des données - et de Deep Learning (DL), une branche plus avancée du ML basée sur des réseaux de neurones, adaptée à des modèles complexes et non linéaires.

A ce titre, vos principales missions seront les suivantes :
- Nettoyer et structurer des données issues de différentes sources.
- Créer et entraîner des modèles prédictifs avec Python (scikit-learn, TensorFlow ou PyTorch).
- Identifier la part de consommation liée à chaque fréquence.
- Interpréter les résultats à l'aide d'outils comme SHAP ou LIME.
- Fournir des livrables clairs : visualisations, scripts, documentation et recommandations.