En tant que Senior Data Scientist, vous serez responsable des missions suivantes :
- Développement de modèles prédictifs et prescriptifs :
- Concevoir et entraîner des modèles de Segmentation Client (clustering, RFM, profilage comportemental).
- Développer des moteurs de Recommandation personnalisée (filtres collaboratifs, basés sur le contenu, systèmes hybrides) pour améliorer le cross-sell et l'upsell.
- Développer des modèles de Prédiction et de Détection : Churn, appétence, scoring risque, prévision des volumes de transactions et détection d'anomalies / règles comportementales pour la lutte contre le blanchiment d'argent (AML / Anti Money Laundering)
- Ingénierie de la donnée et des modèles :
- Collaborer avec les Data Engineers pour définir les features et préparer les pipelines d'entraînement nécessaires à partir du Datalakehouse (Cassandra, Hive, etc.).
- Mettre en œuvre les bonnes pratiques de MLOps : versioning des modèles, automatisation du déploiement, monitoring des performances en production (drift, biais).
- Apport de valeur métier :
- Traduire les besoins métier (ex: réduire le churn, augmenter le taux de conversion) en problématiques Data Science.
- Interpréter les résultats des modèles et communiquer les insights aux Product Owners et parties prenantes métier.
- Contribuer à l'enrichissement des systèmes sources et du Datalakehouse avec des données prédictives.
- Formation : Diplôme d'Ingénieur (Bac+5) avec une spécialisation en Data Science, Intelligence Artificielle ou Statistique/Mathématiques appliquées.
- Expérience : 3 à 5 ans d'expérience confirmée sur des projets similaires de modélisation prédictive et de systèmes de recommandation.
- Compétences Techniques :
- Maîtrise du ML : Algorithmes classiques (régression, classification, clustering, séries temporelles) et Deep Learning (si applicable).
- Frameworks IA : Maîtrise des bibliothèques Python (Scikit-learn, Pandas, XGBoost, TensorFlow ou PyTorch).
- Big Data & Outils : Connaissance des environnements distribués (Spark/PySpark) et des bases de données NoSQL (Cassandra, MongoDB).
- Ops & CI/CD : Familiarité avec les environnements de conteneurisation (Docker) et la gestion de cycle de vie des modèles (MLOps).
- Écosystème technologique : Plateforme Data Cloudera, Architecture Microservices, Kafka, API Gateway (Axway), Keycloak.
- Méthodologie : Travail en mode Agile (Scrum of Scrums, Comités de suivi hebdomadaires).
- Collaboration : Équipe pluridisciplinaire (Data Engineers, Lead Tech, Product Owners, Experts métier).
Rejoindre Devoteam, c’est :
Évoluer sur des projets stratégiques autour de la donnée
Bénéficier d’un accompagnement personnalisé pour le développement de vos compétences et certifications
Travailler dans un environnement stimulant, collaboratif et bienveillant