Data scientist (f/h)

Description du poste

1. Comprendre les besoins métiers et proposer des solutions basées sur la Data Science
2. Concevoir, développer et entraîner des modèles prédictifs (classification, régression, clustering, NLP)
3. Collecter, préparer, enrichir et explorer les données massives
4. Implémenter des algorithmes et évaluer la performance des modèles
5. Travailler en lien étroit avec les équipes Data Engineering et IT pour lindustrialisation des solutions
6. Présenter les résultats danalyses de façon claire et pédagogique aux parties prenantes.

Environnement technique :

7. Langages : Python (pandas, scikit-learn, TensorFlow, PyTorch), R
8. Big Data : Spark, Databricks
9. Bases de données : SQL, NoSQL (MongoDB)
10. Cloud : Azure, AWS, GCP
11. Outils : Git, Jupyter, MLflow
12. Modèles : Machine Learning, Deep Learning, NLP, Computer Vision (selon projets)

Qualifications

13. Diplômé(e) dune école dingénieurs, université ou école spécialisée (Bac+5 ou PhD)
14. 2 à 5 ans dexpérience en Data Science en environnement professionnel
15. Solide background en mathématiques appliquées, statistiques et modélisation
16. Connaissance des bonnes pratiques de Machine Learning et de Deep Learning
17. Curiosité scientifique, esprit analytique et capacité à vulgariser
18. Maîtrise de langlais

Informations supplémentaires

Prêt.e à démarrer de nouveaux challenges dans une entreprise où il fait bon vivre ?

Meritis offre à ses collaborateurs :

19. Des parcours professionnels sur mesure (évolution de carrière, formations adaptées, mentoring) ;
20. Avoir le choix de sa mission et un accompagnement personnalisé tout au long de votre carrière ;
21. Evoluer dans un environnement où lapprentissage est favorisé : formations certifiantes, e-learning, meetUp, concours de code, parcours dévolutions etc ;
22. Faire partie de communautés dexperts qui partagent leurs savoirs et expériences au sein de nos centres de compétences ;
23. Un environnement convivial avec de nombreux événements festifs (soirée annuelle, séminaires & teambuiding, déjeuners et afterworks) ;