Vous êtes actuellement en cours de formation dans une université/haute école et recherchez un stage pour valider votre cursus (avec convention de stage).
MISSIONS
- Collecte et Préparation de Données:
- Identifier les sources de données pertinentes et collecter des données appropriées.
- Nettoyer et prétraiter les données pour garantir leur qualité et intégrité.
- Exploration et Analyse de Données:
- Effectuer une analyse exploratoire pour comprendre les structures, les tendances et les relations entre les données.
- Développer des visualisations de données pour communiquer les insights de manière claire.
- Modélisation de Données:
- Concevoir et développer ou utiliser des modèles prédictifs et des algorithmes pour répondre aux problématiques posées
- Exploration de l’approche de l’IA multi-agents ou multimodale pour traiter à la fois les données non structurées et structurées
- Tester et affiner les modèles en fonction du retour d’information et des résultats obtenus.
- Evaluation de Modèles:
- Évaluer la performance des modèles en utilisant des métriques appropriées.
- Effectuer des ajustements et des optimisations pour améliorer l'efficacité et la précision des modèles.
- Implémentation de Solutions:
- Déployer les modèles dans des environnements production et assurer leur intégration avec des systèmes existants.
- Utiliser des pratiques de MLOps pour automatiser le cycle de vie des modèles.
- Collaboration Interfonctionnelle:
- Travailler en étroite collaboration avec d'autres départements (IT, métiers, opérations, etc.) pour intégrer des solutions de données au sein des processus métier.
- Communiquer avec des parties prenantes non techniques pour expliquer les résultats et proposer des recommandations.
- Innovation et Recherche:
- Rester à jour avec les avancées technologiques et méthodologiques en data science.
- Rechercher et expérimenter de nouvelles techniques et outils pour améliorer les pratiques de data science de l’entreprise.
- Documentation et Communication:
- Produire des documentations détaillées et compréhensibles sur le projet et les modèles développés.
- Présenter les découvertes de manière claire et efficace aux décideurs pour orienter la stratégie d'entreprise
PROFIL
- Compréhension des techniques de modélisation telles que régression, classification, clustering, réseaux de neurones, etc
- Familiarité avec des bibliothèques de machine learning comme Scikit-learn, TensorFlow, Keras ou PyTorch mais aussi des bibliothèques de visualisation telles que Matplotlib, Seaborn, ou Plotly et pour finir des bibliothèques de manipulation de données telle que Pandas.
- Compréhension des modèles LLM et expérience dans la création de système génératifs (Ex : RAG)
- La connaissance des pratiques de MLOps, y compris l'automatisation et le déploiement de modèles est un plus
- Une expérience avec DataBricks est un plus