Data manager (h/f)

Description du poste :
En postulant à cette offre, vous aurez l'opportunité de rejoindre une une entreprise spécialisée dans la promotion, la distribution et l'intégration de solutions électroniques.
De dimension internationale, la société possède un large panel de clients, allant de l'ETI aux Grands groupes !
Vos missions si vous les acceptez :
Vous jouerez un rôle central dans la mise en œuvre des briques IA/ML du SI de l'entreprise. De la collecte des données à la mise en production des modèles, vous participerez à chaque étape avec une forte dimension métier et un impact direct sur la performance opérationnelle.***Collecter, nettoyer et structurer les données (feature engineering)
* Concevoir, entraîner et valider des modèles ML/DL
* Intégrer les modèles dans les environnements existants (API, micro-services)
* Surveiller les performances et mettre à jour les modèles selon l'évolution du marché (monitoring)
* Automatiser des processus internes à forte valeur ajoutée
* Travailler en étroite collaboration avec les équipes produit, support et SI
* Assurer une veille continue sur les technologies IA et leurs usages
Description du profil :
Et vous ?***Capacité à travailler en transversalité avec les équipes métier.
* Aimer transformer les idées en produits concrets, performants et utiles.
* Diplômé(e) d'un Bac+5 en IA, Data Science ou équivalent.
* 0 à 4 ans d'expérience (stages et projets personnels compris).
* Valorisation de la passion, l'autonomie, et la capacité à mener des projets IA de bout en bout.
* Curieux(se), rigoureux(se) et passionné(e) par l'IA appliquée.
* Savoir vulgariser des concepts complexes.
* Proposer des solutions innovantes.
Compétences techniques :***Maîtrise de Python, scikit-learn, Pandas, NumPy.
* Compétences en modélisation & évaluation de modèles (ML/DL).
* Connaissance des API : FastAPI, Flask.
* Automatisation avec Power Automate, Zapier, Make.
* Conteneurisation avec Docker.
* Atouts appréciés : LangChain, R, Spark, SageMaker, Lambda.
* Expérience en monitoring de modèles ML en production.
* Méthodes de validation : pytest, unittest, Great Expectations.
* Connaissance de Databricks ou Snowflake.
* Maîtrise d'au moins une plateforme Cloud : AWS, GCP ou Azure.