Data Scientist Rungis
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
Taux journalier (TJM): TJM : 600€
Client : Un des leader de la distribution alimentaire en France
Objectif :
Analyser les données métier historiques afin de définir le périmètre d'un futur agent IA de support.
Contexte :
Tu intégrerais l'équipe IA Factory de notre client. Une première vague d'études avait été réalisée avant son arrivée et présentée aux équipes métier en sa présence. Yanis devait intégrer les retours et compléments d'information de ces échanges pour conduire une seconde phase d'analyse plus fine.
Rôle : Data Scientist expérimenté
- 4 ans d'expérience minimum
- Profil expérimenté, capable de mener une analyse métier approfondie avec efficacité et de se projeter sur la future solution fonctionnelle.
- Quelqu'un d'autonome et doer orienté delivery
- Capable d'adopter la vision de l'EM de la factory et de l'appliquer
- Déjà fait des projets LLMs
- Des bases ML car certains projets seront du ML Classique
- Savoir faire des API, dockeriser du code, prise de hauteur sur les sujets
- appétence pour coder full via Agents de code
Équipe :
- Référent IA rattaché aux lignes métiers
- EM de la Factory puis squad type pour chaque cas d'usage : Product Owner, Data Scientist et Data Engineer
Stack :
- GCP, GE
Missions :
- Collaborer avec les équipes métiers pour comprendre, qualifier et prioriser les cas d'usage IA.
- Réaliser des études de faisabilité et concevoir des Proofs of Concept (POC) sur les cas d'usage identifiés.
- Explorer, préparer et valoriser les données nécessaires à la construction des modèles.
- Développer, entraîner et évaluer des modèles de Machine Learning, Deep Learning ou d'IA générative selon les besoins.
- Définir les métriques de performance et mesurer la valeur métier des solutions développées.
- Présenter les résultats et recommandations aux parties prenantes métiers et techniques.
- Participer à l'industrialisation des POC validés en collaboration avec les équipes Data Engineer