Vous êtes actuellement en cours de formation dans une université/haute école et recherchez un stage pour valider votre cursus (avec convention de stage).
MISSIONS
Collecte et Préparation de Données:
Identifier les sources de données pertinentes et collecter des données appropriées.
Nettoyer et prétraiter les données pour garantir leur qualité et intégrité.
Exploration et Analyse de Données:
Effectuer une analyse exploratoire pour comprendre les structures, les tendances et les relations entre les données.
Développer des visualisations de données pour communiquer les insights de manière claire.
Modélisation de Données:
Concevoir et développer ou utiliser des modèles prédictifs et des algorithmes pour répondre aux problématiques posées
Exploration de l’approche de l’IA multi-agents ou multimodale pour traiter à la fois les données non structurées et structurées
Tester et affiner les modèles en fonction du retour d’information et des résultats obtenus.
Evaluation de Modèles:
Évaluer la performance des modèles en utilisant des métriques appropriées.
Effectuer des ajustements et des optimisations pour améliorer l'efficacité et la précision des modèles.
Implémentation de Solutions:
Déployer les modèles dans des environnements production et assurer leur intégration avec des systèmes existants.
Utiliser des pratiques de MLOps pour automatiser le cycle de vie des modèles.
Collaboration Interfonctionnelle:
Travailler en étroite collaboration avec d'autres départements (IT, métiers, opérations, etc.) pour intégrer des solutions de données au sein des processus métier.
Communiquer avec des parties prenantes non techniques pour expliquer les résultats et proposer des recommandations.
Innovation et Recherche:
Rester à jour avec les avancées technologiques et méthodologiques en data science.
Rechercher et expérimenter de nouvelles techniques et outils pour améliorer les pratiques de data science de l’entreprise.
Documentation et Communication:
Produire des documentations détaillées et compréhensibles sur le projet et les modèles développés.
Présenter les découvertes de manière claire et efficace aux décideurs pour orienter la stratégie d'entreprise
PROFIL
Compréhension des techniques de modélisation telles que régression, classification, clustering, réseaux de neurones, etc
Familiarité avec des bibliothèques de machine learning comme Scikit-learn, TensorFlow, Keras ou PyTorch mais aussi des bibliothèques de visualisation telles que Matplotlib, Seaborn, ou Plotly et pour finir des bibliothèques de manipulation de données telle que Pandas.
Compréhension des modèles LLM et expérience dans la création de système génératifs (Ex : RAG)
La connaissance des pratiques de MLOps, y compris l'automatisation et le déploiement de modèles est un plus
