Cette offre n'affiche pas de TJM. D'après 19 offres pour ce poste (tous niveaux, Paris, 3 derniers mois), le marché se situe autour de 550€/j (525€/j–650€/j).
TJM du marché pour Data Scientist à Paris : médiane 550 €/jour, P25–P75 : 525–650 €/jour, n = 19 offres des 3 derniers mois. TJM Python à Paris
Baromètre TJM et salaires ITRecherche d’un Data Scientist senior avec forte dimension software engineering pour concevoir, développer et déployer des modèles ML en production.
Contribution à une nouvelle plateforme AML interne, en lien avec les équipes techniques, AML, Compliance et Product Owners.
CONTEXTE
• Contexte de nouvelle plateforme AML interne visant à transformer la manière de concevoir, développer, tester et déployer les dispositifs de détection.
MISSIONS
• Machine Learning for AML Detection
◦ Concevoir, développer et évaluer des modèles de Machine Learning complétant les mécanismes de détection à base de règles.
◦ Identifier des opportunités pour améliorer l’efficacité de détection, augmenter la pertinence des alertes et réduire la charge d’investigation inutile sans compromettre l’identification des activités à risque élevé.
◦ Appliquer un large éventail de techniques ML, incluant supervised learning, unsupervised learning, anomaly detection, graph-based approaches et ensemble methods, en sélectionnant l’approche la plus appropriée selon le cas d’usage.
◦ Développer des features au niveau customer, entity et transaction pour identifier des comportements, relations et patterns suspects sur différentes fenêtres temporelles.
◦ Traiter des enjeux AML clés, notamment des jeux de données très déséquilibrés, des labels incomplets ou retardés, une vérité terrain limitée, l’explicabilité des modèles et l’évolution des patterns de risque.
◦ Concevoir des stratégies de validation robustes, incluant validation temporelle, backtesting, benchmark comparisons et analyse de performance par segments de clientèle et catégories de risque.
• ML Engineering and Platform Integration
◦ Comprendre et contribuer à un environnement technologique distribué, ainsi qu’aux data pipelines associés, mécanismes de déploiement et tooling AI/ML.
◦ Contribuer au déploiement des modèles, à l’orchestration, au monitoring, au versioning, à la reproductibilité et à la gestion du cycle de vie.
◦ Collaborer avec les équipes d’ingénierie pour assurer la fiabilité, la performance, l’observabilité, les tests et la résilience opérationnelle.
• Model Performance, Governance and Continuous Improvement
◦ Définir et suivre des métriques de performance modèle adaptées, incluant precision, recall, false-positive rates, detection coverage et impact opérationnel.
◦ Garantir que les sorties des modèles soient interprétables, traçables et étayées par des éléments exploitables par les analystes pendant les investigations.
◦ Surveiller la performance des modèles, la qualité des données et le drift, et mettre en œuvre les stratégies appropriées de retraining, recalibration ou remediation.
◦ Soutenir la documentation modèle, la validation, l’auditabilité et les exigences de gouvernance liées à la détection AML.
◦ Travailler avec les spécialistes AML et les investigators pour intégrer les retours issus des investigations dans l’amélioration continue des capacités de détection.
• Collaboration and Technical Ownership
◦ Travailler étroitement avec les Software Engineers, Data Engineers, AML SMEs, Compliance et Product Owners pour traduire les besoins de détection en solutions techniques efficaces.
◦ Contribuer aux décisions de conception technique et établir des patterns réutilisables pour intégrer des modèles ML supplémentaires dans la plateforme.
◦ Partager les connaissances et contribuer au développement des capacités Machine Learning et IA de l’équipe.
ORGANISATION & QUOTIDIEN
• Position en collaboration étroite avec les équipes Software Engineers, Data Engineers, AML SMEs, Compliance et Product Owners.
• La mission implique une contribution technique forte sur une plateforme AML interne en construction, avec logique de conception, intégration et amélioration continue.
COMPÉTENCES TECHNIQUES
• Recover and clean data from various sources such as databases, APIs and files.
• Perform exploratory data analyses (EDA).
• Perform transformations and feature engineering.
• Select and train machine learning and deep learning models.
• Compare regression, classification and neural networks approaches.
• Optimize models through hyperparameter tuning and cross-validation.
• Integrate models into applications or systems.
• Set up training and model update pipelines.
• Ensure monitoring of model performance in production and detect model drift.
• Present results and insights through visualizations and reports.
• Explain how models work and their business impact.
• Understand software engineering principles including object-oriented design, APIs, automated testing, version control, debugging and code reviews.
• Practical experience with large-scale data processing.
• Familiarity with containerized and orchestrated environments.
• Experience building or maintaining production ML pipelines including deployment, monitoring, reproducibility and model lifecycle management.
• Ability to communicate complex analytical results clearly to technical and non-technical stakeholders.
• Experience in AML, transaction monitoring, fraud detection, financial crime analytics or another highly regulated risk domain.
• Broad knowledge of supervised and unsupervised learning, anomaly detection, feature engineering, model evaluation and ensemble methods.
OUTILS
• SQL
• PYTHON
• TensorFlow
• PyTorch
• Scikit-learn
• Apache Spark
• PySpark
• Kubernetes
• Apache Airflow
SOFT SKILLS
• Ability to collaborate closely with software engineers, data engineers, AML experts, Compliance and Product Owners.
• Ability to share knowledge and contribute to the team’s Machine Learning and AI capabilities.
• Strong communication to explain complex analytical results clearly.
• Ability to work in a distributed technology environment and collaborate across teams.
LANGUES
• Language - SQL
• Language - PYTHON
FORMATION & CERTIFICATIONS
• Master's degree or PhD in Data Science, Computer Science, Statistics, Mathematics, Machine Learning or a related quantitative discipline, or equivalent practical experience.
Un plan personnalisé pour postuler intelligemment à cette offre.
Cliquez sur "Postuler" pour accéder à l'offre.