Freelance - Machine Learning Engineer (F/H)

**L'entreprise**
Ekyo, étoile du **Groupe Constellation**, développe une **plateforme SaaS** qui aide les organisations à gérer leurs **données extra-financières** et à se conformer aux nouvelles exigences réglementaires comme la **CSRD** (Corporate Sustainability Reporting Directive).

Notre solution permet aux entreprises de suivre leurs **indicateurs de performance extra-financière**, d’intégrer les enjeux ESG (Environnement, Social, Gouvernance) dans leur stratégie, et de favoriser leur transformation durable. En complément, nous accompagnons également les organisations dans la **réduction de leur empreinte carbone**, en les aidant à structurer leur démarche de décarbonation.

Avec **Ekyo**, nous plaçons l’environnement et la **performance extra-financière** au cœur des stratégies organisationnelles, offrant ainsi les outils indispensables pour une gestion **responsable** et **compétitive**.

Aujourd’hui, Ekyo c’est **20 collaborateurs et plus de 200 clients déjà accompagnés.**
**Description du poste**
Nous recherchons un(e) Machine Learning Engineer pour constituer notre équipe de data science et intelligence artificielle. En tant que Machine Learning Engineer, vous jouerez un rôle clé dans le développement, l’implémentation et la mise à l’échelle de modèles de machine learning pour optimiser nos solutions et répondre aux besoins de l'entreprise. Vous travaillerez en collaboration étroite avec les équipes techniques et de produit pour transformer les données en connaissances exploitables.

Vos missions sont les suivantes:

- Conception et développement de modèles de machine learning
- Développer, tester et déployer des modèles d'apprentissage supervisé et non supervisé.
- Assurer la performance, la fiabilité et la précision des modèles dans un environnement de production.
- Préparation des données
- Collecter, nettoyer et organiser les ensembles de données nécessaires à l’entraînement des modèles.
- Effectuer des analyses exploratoires de données (EDA) pour identifier les caractéristiques pertinentes.
- Optimisation des modèles
- Ajuster les hyperparamètres pour améliorer les performances des modèles.
- Mettre en œuvre des techniques de validation et de cross-validation pour garantir la robustesse des modèles.
- Mise en production et déploiement des modèles
- Utiliser des frameworks de déploiement (Docker, Kubernetes, etc.) et des outils de MLOps pour automatiser et surveiller les modèles en production.
- Déploiement et gestion sur le Cloud
- Utiliser des solutions cloud (AWS SageMaker, Google Cloud Platform Vertex AI, Azure Machine Learning, etc.) pour le déploiement, l'entraînement et le suivi des modèles.
- Travailler avec des outils et frameworks cloud pour automatiser et optimiser les pipelines de machine learning.
- Assurer la sécurité, la scalabilité et le suivi des modèles dans un environnement cloud. 6. Suivi des performances et amélioration continue
- Surveiller les modèles en production pour détecter les dérives de données ou les baisses de performances.
- Concevoir des pipelines pour la mise à jour continue des modèles.
- Veille technologique
- Suivre les avancées technologiques en machine learning et IA, et évaluer leur pertinence pour l'entreprise.
- Participer à des conférences, formations et autres événements pour rester à jour.

**Profil recherché**
Qualifications:

- Diplôme en Informatique, Mathématiques appliquées, Data Science ou domaine connexe (niveau Master ou équivalent).
- Expérience pratique avec les frameworks de machine learning (TensorFlow, PyTorch, Scikit-Learn).
- Solide connaissance des concepts de machine learning, de deep learning et de statistiques.

Compétences techniques:

- Maîtrise des langages de programmation Python et/ou R.
- Expérience avec les outils de MLOps (Docker, MLflow, Kubeflow).
- Bonne connaissance des bases de données relationnelles et non-relationnelles (SQL, NoSQL).
- Connaissance des outils de gestion de version (Git) et de pipelines de CI/CD.

Aptitudes:

- Capacité à résoudre des problèmes complexes et à prendre des décisions basées sur les données.
- Excellentes compétences en communication pour expliquer les résultats techniques aux parties prenantes non techniques.
- Curiosité et passion pour l’apprentissage automatique et l’intelligence artificielle.
- Capacité à travailler en équipe dans un environnement agile et multidisciplinaire.