Data scientist - machine learning engineer h/f

Rejoignez AMEG GROUP : L'Esprit d'un groupe à taille humaine au service de grands projets !

Depuis plus de 40 ans, AMEG GROUP s'est distinguée comme une société d'ingénierie de premier plan, tout en conservant la proximité avec ses clients.

Avec plus de 250 collaborateurs répartis sur plus de 10 agences en France, nous offrons des services de sous-traitance aux PME, ETI, et grands comptes dans des secteurs variés de l'Industrie.

Pourquoi choisir AMEG GROUP ?

Proximité et Accessibilité : Bénéficiez de la flexibilité et de la réactivité d'un groupe à taille humaine, avec des agences locales proches de vous et des Managers à votre écoute.

Projets Ambitieux : Participez à des projets innovants, tout en bénéficiant de l'accompagnement personnalisé.

Développement et Évolution : Profitez d'une culture d'entreprise qui favorise l'échange, la reconnaissance, le développement et la mise en valeur continus des compétences.

Rejoignez-nous pour une carrière enrichissante, où votre talent et votre engagement feront la différence ! Chez AMEG Group, nous croyons que les données ne changent pas le monde. Ce sont les personnes qui savent les transformer en solutions concrètes, prédictives et durables qui le font.

Dans le cadre d'un projet à fort contenu technologique, nous accompagnons un acteur innovant dans la recherche de son/sa futur·e Data Scientist / Machine Learning Engineer.

Votre rôle

Intégré·e à une équipe pluridisciplinaire (data, R&D, software, produit), vous interviendrez sur toutes les étapes de développement de modèles intelligents, de la compréhension métier à l'industrialisation des algorithmes.

Vos missions :
- Comprendre les enjeux métier et proposer des approches algorithmiques adaptées
- Concevoir, entraîner et valider des modèles de Machine Learning (ou Deep Learning selon contexte)
- Travailler sur le nettoyage, la structuration et la valorisation de jeux de données complexes
- Collaborer avec les ingénieurs logiciel ou data engineers pour déployer les modèles en production
- Rédiger des rapports techniques et vulgariser les résultats auprès de non-experts
- Participer à une veille active autour des dernières avancées (modèles, frameworks, méthodes)

Stack & environnement (selon projet)
- Python (Pandas, Scikit-learn, PyTorch ou TensorFlow, etc.)
- SQL, outils de visualisation (Streamlit, Plotly, Dash)
- Modélisation supervisée/non-supervisée, NLP, séries temporelles, etc.
- Méthodologies MLOPS (CI/CD, monitoring, versioning modèles, dockerisation) appréciées
- Connaissances bonus : edge computing, physique, santé, image, séries temporelles industrielles