Data Scientist / Machine Learning Engineer - Freelance

Contexte

Decathlon Digital ambitionne de devenir la meilleure plateforme numérique sportive et écosystème ouvert au monde. L’objectif est de permettre aux clients de vivre Decathlon à travers de nombreuses expériences locales centrées sur le sport, en connectant de nombreux acteurs et services tiers, de manière sécurisée et performante. Decathlon Digital regroupe aujourd’hui plus de 5000 profils techniques : software engineers, product managers, expert·e·s de la data, du Cloud et de la cybersécurité, en France et à l’étranger, implantés à Paris, Lille, Nantes.

L'équipe Data InStore recherche un·e Data Scientist / Machine Learning Engineer basé·e à Nantes, Paris ou Lille.

L'équipe Data, au sein du domaine InStore, est responsable de la conception, du développement et de la maintenance de solutions analytiques et d'Intelligence Artificielle innovantes autour des enjeux du magasin, de la prévision du trafic au développement de solutions intelligentes pour les coéquipiers à base d’agents ou de GenAI, ou encore de solutions d’analyse de la performance. L’équipe est multidisciplinaire, composée de Data Scientists, Data Analysts, Analytics Engineers, ML Engineers travaillant de manière agile et en forte proximité avec les interlocuteurs Product, Engineering ainsi que les utilisateurs métiers.

Missions

• Contribuer au développement et à la maintenance en conditions opérationnelles de solutions de machine learning (pipelines batch de prévisions, moteur de classification, etc.).
• Évaluer et améliorer les modèles et méthodologies de prévision existants afin d’en optimiser l’accuracy et l’efficacité.
• Appliquer les standards de développement et de data gouvernance aux solutions développées.
• Collaborer avec des équipes transverses, notamment les interlocuteurs métiers, Engineering et Product du domaine InStore, pour aligner les initiatives Data et IA avec les objectifs business.
• Communiquer les analyses et proposer des recommandations aux parties prenantes via des visualisations et présentations claires et concises.
• Se tenir informé(e) des tendances du secteur et des technologies émergentes en science des données et gestion de la chaîne d’approvisionnement.

Stack technique

• Execution Engine : Databricks, AWS, GCP
• Payload : Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark, dbt
• CI/CD : Github Actions
• Serving : Docker, Protobuf, gRPC
• Model registry, Model Tracking : MLFlow
• Orchestration : Airflow
• Documentation / code : Git, Confluence
• Data Visualisation : Tableau

Compétences demandées

• Business sense : Expert
• Statistiques : Expert
• Python : Confirmé
• Communication : Confirmé