Data Scientist Senior H/F

Offre d'emploi : Data Scientist Senior (H/F)

Lieu : Paris

Télétravail : 2 jours de TT, 3 jours sur site

Type de contrat : CDI (Freelance non accepté)

Rémunération : Jusqu'à 65 K€ selon profil

Démarrage : Dès que possible

Expérience requise : Profil senior avec une forte expertise en Data Science, Machine Learning et industrialisation MLOps

Durée : Mission longue

À propos du poste :

Secteur d'activité : Bancaire

Objectifs principaux : Concevoir, développer et industrialiser des modèles de Machine Learning et d'IA dans le cadre d'un programme stratégique, visant à améliorer l'expérience digitale des clients sur une application mobile.

Rôle au sein de l'équipe : Intégrer le Chapitre Data et collaborer avec plusieurs squads (6 squads) dans un environnement agile, orienté API et event-driven, avec des exigences élevées en termes de performance, sécurité et qualité.

Nous recherchons un(e) Data Scientist Senior pour intervenir sur des cas d'usage à forte valeur business, de la phase de cadrage jusqu'à la mise en production et au RUN des modèles. Vous serez un acteur clé dans la conception algorithmique, tout en assurant un rôle de relais entre les équipes métiers, techniques et produits.

Vos missions :

• Data Science & Modélisation :
  Travailler avec les squads sur les cas d'usage métier : cadrage, choix des algorithmes, identification des données pertinentes et approche méthodologique.

• Exploration & Prototypage :
  Analyser les données, expérimenter différents modèles, évaluer leurs performances et valider les hypothèses.

• Développement & Industrialisation :
  Optimiser les modèles, construire les pipelines de données, déployer en production et mettre en place des dispositifs de monitoring.

• Innovation & Algorithmes :
  Développer des modèles de prédiction, de recommandation ou d'optimisation (recherche, ciblage, anticipation des tendances).

• MLOps & RUN :
  Industrialiser le déploiement des solutions ML/IA sur les différents environnements et assurer leur maintien en conditions opérationnelles.

• Communication & Vulgarisation :
  Présenter et expliquer les résultats à un public non technique (métiers, PO, stakeholders).

Environnement technique (Stack) :

• Langages : Python, Scala, Bash

• Data & Traitement : Spark, calcul distribué

• Cloud & Plateformes : AWS (SageMaker), Kubernetes, Cloudera

• Bases de données : SQL / NoSQL

• Machine Learning : Scikit-learn, Pandas, NumPy, PySpark, autres frameworks ML

• Industrialisation : CI/CD, Git, tests unitaires, pipelines MLOps