Chercheur Senior en Machine Learning
Il y a 1 jour
Marseille ème, Provence-Alpes-Côte d'Azur, France
Collective.work
Temps plein
Gratuit avec email ou Google
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.
Gratuit avec email ou Google
Taux journalier (TJM): 500 € HT
Contexte
Pour un grand groupe international de transport maritime et de logistique basé à Marseille, nous recherchons un chercheur senior en Machine Learning. Il fera évoluer un framework agentique interne qui automatise la recherche et l'expérimentation ML : formalisation du problème, priorisation des expériences, génération et correction de code, validation expérimentale, études d'ablation et sélection de modèles.
Description du poste
* Plugin Event Forecasting : intégrer des événements dans les prévisions de séries temporelles (détection, qualification, modélisation de la probabilité, de la durée, de l'intensité et de l'impact), produire des scénarios central, optimiste, pessimiste et de stress.
* Rigueur scientifique : aucune fuite temporelle, tests placebo, backtests événementiels, comparaison avec un modèle de référence sans événements.
* Plugin IoT et maintenance prédictive : détecter tôt les anomalies et les signaux précurseurs de panne, estimer la probabilité de panne et la durée de vie restante (RUL) à partir de séries multivariées issues de capteurs.
* Benchmark des approches : comparer le supervisé, le non supervisé, la détection d'anomalies et l'analyse de survie, et tester la généralisation à de nouveaux équipements.
* Alertes métier : produire des alertes explicables et hiérarchisées, exploitables par les équipes opérationnelles.
* Livrables : plugins testés et documentés, protocoles reproductibles, code versionné, guide de prise en main, restitutions régulières et transfert de connaissances aux équipes internes. Environnement technique
* Langage et frameworks : Python, PyTorch ou TensorFlow, scikit-learn
* Domaines : séries temporelles, détection d'anomalies, Deep Learning, analyse de survie
* Architecture : systèmes multi-agents, orchestration d'agents LLM
* Atouts : Dataiku, MLOps, cloud, automatisation des chaînes d'expérimentation
*
Expérience:
5 ans minimum en recherche appliquée en Machine Learning, avec conception de protocoles expérimentaux.
* Indispensable : expérience concrète des architectures agentiques, des systèmes multi-agents et de l'orchestration d'agents appliqués au ML.
* Expertise : séries temporelles, détection d'anomalies, maintenance prédictive, Deep Learning.
* Qualité logicielle : code robuste, testé, documenté et intégrable dans une architecture existante.
* Communication : capacité à restituer des résultats complexes à des interlocuteurs techniques et métier.
*
Formation:
Bac+5 en informatique, mathématiques appliquées ou data science ; un doctorat est un atout majeur.
* Langues : anglais courant à l'écrit et à l'oral, obligatoire.
* Plus : publications scientifiques, transfert technologique, mise en production de travaux de recherche.
Experience:
Débutant accepté
Description du poste
* Plugin Event Forecasting : intégrer des événements dans les prévisions de séries temporelles (détection, qualification, modélisation de la probabilité, de la durée, de l'intensité et de l'impact), produire des scénarios central, optimiste, pessimiste et de stress.
* Rigueur scientifique : aucune fuite temporelle, tests placebo, backtests événementiels, comparaison avec un modèle de référence sans événements.
* Plugin IoT et maintenance prédictive : détecter tôt les anomalies et les signaux précurseurs de panne, estimer la probabilité de panne et la durée de vie restante (RUL) à partir de séries multivariées issues de capteurs.
* Benchmark des approches : comparer le supervisé, le non supervisé, la détection d'anomalies et l'analyse de survie, et tester la généralisation à de nouveaux équipements.
* Alertes métier : produire des alertes explicables et hiérarchisées, exploitables par les équipes opérationnelles.
* Livrables : plugins testés et documentés, protocoles reproductibles, code versionné, guide de prise en main, restitutions régulières et transfert de connaissances aux équipes internes. Environnement technique
* Langage et frameworks : Python, PyTorch ou TensorFlow, scikit-learn
* Domaines : séries temporelles, détection d'anomalies, Deep Learning, analyse de survie
* Architecture : systèmes multi-agents, orchestration d'agents LLM
* Atouts : Dataiku, MLOps, cloud, automatisation des chaînes d'expérimentation
*
Expérience:
5 ans minimum en recherche appliquée en Machine Learning, avec conception de protocoles expérimentaux.
* Indispensable : expérience concrète des architectures agentiques, des systèmes multi-agents et de l'orchestration d'agents appliqués au ML.
* Expertise : séries temporelles, détection d'anomalies, maintenance prédictive, Deep Learning.
* Qualité logicielle : code robuste, testé, documenté et intégrable dans une architecture existante.
* Communication : capacité à restituer des résultats complexes à des interlocuteurs techniques et métier.
*
Formation:
Bac+5 en informatique, mathématiques appliquées ou data science ; un doctorat est un atout majeur.
* Langues : anglais courant à l'écrit et à l'oral, obligatoire.
* Plus : publications scientifiques, transfert technologique, mise en production de travaux de recherche.
Experience:
Débutant accepté