Data scientist

CONTEXTE DU POSTE

Le portail Persée est un portail de publications scientifiques en accès libre. Le portail Biblissima (Observatoire des cultures écrites anciennes, de l’argile à l’imprimé) est dédié aux sources de l'Antiquité jusqu'au dix-huitième siècle. L’emploi est offert dans le cadre de l’EquipEx+ Biblissima et du projet, en cours, de mise en relation entre Persée et Biblissima. Par la mise en place de méthodes et outils de traitement et d’enrichissement de données, le projet vise à produire et mettre en valeur des liens entre unités documentaires de Persée, notices du référentiel des cotes de manuscrits de Biblissima et sources primaires référencées dans Biblissima.

Le projet, en phase de finalisation, a donné lieu à la production de jeux de données d’enrichissement grâce au développement de deux procédés semi-automatiques de traitement, suivant plusieurs approches (LLM d’abord puis approche hybride)  pour réaliser les tâches de détection des cotes dans les publications puis de mise en correspondance avec le référentiel des cotes Biblissima. Dans le cadre du CDD, le data scientist-développeur (H/F) aura pour mission de perfectionner l’un de ces procédés et contribuera à faire passer cette pipeline de traitement de l’état de prototype indépendant à l’état de worker opérationnel, intégré à la chaîne de production et de traitement de données Persée.

ACTIVITES

Participer à la mise en place d’un worker de traitement IA : Accompagner l’opération d’intégration à la chaîne de traitement IA Arkindex de Persée avec l’équipe projet, l’équipe IA et le prestataire

Faire évoluer la pipeline de traitement en mode production

• Choisir et appliquer les méthodes statistiques et les méthodes traitements ML/IA les plus pertinentes pour le corpus de données textuelles Persée et les cotes de manuscrits du référentiel Biblissima
• Modéliser, concevoir et/ou paramétrer la chaîne de traitement des données et en organiser les étapes
• Développer et adapter le code et les scripts pour atteindre une version 6 de la pipeline, éventuellement conduire le passage d’un fonctionnement CPU vers GPU
• Installer, documenter, mettre à disposition le code et les packages en assurant le suivi des versions
• Procéder aux tests correspondants

Participer à la conclusion du projet

• Contribuer à des analyses des résultats et évaluations de performance complémentaires, en vue du bilan
• Assurer une assistance fonctionnelle et/ou technique aux exploitants de la chaîne de production
• Réactualiser les documentations techniques, concevoir les éventuelles actions de transfert de compétence 
• Participer à la valorisation finale des activités du projet

COMPETENCES REQUISES :

Connaissances sur l’environnement professionnel :

• Statistiques ; Gestion, traitement et analyse de données textuelles, structurées, bibliographiques
• Génie logiciel ; Langages de programmation et librairies pour la data science, le machine learning et l’intelligence artificielle, en particulier python
• Architectures techniques, outils, logiciels de développement dont gitlab, Arkindex
• Méthodes d'analyse, de modélisation et de conception de solution logicielle et de traitement de données
• Connaissance des collections et données de Persée et Biblissima
• Anglais technique

Un Master en informatique, intelligence artificielle, statistiques, data science serait un plus

Savoir-faire opérationnel :

• Traiter et manipuler les données
• Programmer dans différents environnements informatiques
• Gérer la documentation fonctionnelle et technique pour les utilisateurs

Savoir-être :

• Sens de l’organisation, méthode
• Capacité de conceptualisation
• Autonomie
• Goût du travail collaboratif
• Savoir rendre compte