Trouvez votre prochaine offre d’emploi ou de mission freelance Data scientist à Paris

CONTEXTE Missions de surveillance nécessitent un rapatriement et un traitement des mesures régulier pour traiter l’information au plus vite et pouvoir la mettre au service de la maintenance. MISSIONS Assister la section SYS dans l’architecture, le développement et le déploiement de l’Intelligence Artificielle pour automatiser les tâches de traitement à faible valeur ajoutée des mesures de surveillance. Les missions sont : 1. Apprendre automatiquement le début et la fin de shunt sur les différents signaux transmis en tenant compte des seuils de tension normativement définis (0,06V pour circuit UM71 et 5V pour circuit ITE) ou modéliser, le cas échéant, le principe de positionnement des marqueurs de début et de fin de shunt et les insérer automatiquement sur des courbes de tension 2. Caractériser, sur ces courbes, toute anomalie représentant une tension résiduelle (TR) et procéder au traitement adéquat en cas de détection automatique (invalidation, historisation, alerte…) 3. Analyser les occurrences des TR et les corréler avec des données internes et externes pour capter les signaux faibles liés à l’état des voies en prévision d’actions de maintenance. 4. Mettre en place un pipe de traitement automatique des données relatives aux TR intégrant les IA tout en veillant au respect des règles de cybersécurité et de sûreté de fonctionnement (protocoles de communication robustes, redondance des capteurs et des canaux de transmission, backup…) ainsi qu’à l’optimisation des ressources matérielles (edge computing / agentic AI) 5. Industrialiser la solution en définissant les règles de maintenance et en assurant une réduction des coûts de déploiement et d’exploitation (refonte technologique HW / SW). 6. S’insérer dans les dispositifs Big Data du groupe afin de croiser les informations fiables relatives aux TR avec des données hétérogènes pour enrichir les insights d’une maintenance prédictive. 7. Généraliser l’utilisation du dispositif et assurer son évolutivité avec un passage à l’échelle. LIVRABLES Définition des règles de positionnement de marqueurs Analyse des données et constitution des data-sets Développement dans un langage compatible SI Identification des KPI pertinents et évaluation des approches Prototypage rapide, Rendre cette architecture auto-apprenante pour traiter les cas futurs, Solution technique déployée et en production sur l’IHM actuelle, Documentation technique et détaillée de la solution, Suivi de projet avec les éléments clés : planning, comptes-rendus, sources, etc…

La mission fera partie du projet d'Ingénierie en Intelligence Artificielle. Dans le cadre du projet d'Ingénierie en IA, nous aidons les entités à évoluer et à définir et appliquer les meilleures pratiques autour de l'ingénierie ML / LLM. Nous mettons en place un parcours d'apprentissage en ingénierie ML/LLM au niveau mondial et avons besoin de quelqu'un pour soutenir cette mise en œuvre. La mission consistera à : Améliorer le référentiel de formation MLOps/Ingénierie ML existant utilisé dans le monde entier Évoluer vers un suivi de pipeline ML sur AWS et Databricks (actuellement en utilisant Azure) Faciliter des ateliers que nous donnons aux entités sur la formation Apporter une expertise sur les meilleures pratiques en ingénierie LLM Soutenir la création de contenu pour les pratiques d'ingénierie LLM (qui peuvent être complexes). Il s'agit de traduire des pratiques complexes en explications simples Mettre en œuvre ces pratiques dans un environnement sandbox et évaluer les outils (Optionnel) Soutenir le projet dans l'optimisation des POC/MVP dans les entités autour des pratiques LLMOps Principales Expertises : Expertise dans les technologies Azure et AWS (secondaire) pour ML/LLM/IA Expertise en CI/CD (GitHub actions/Azure DevOps préféré) Expertise dans le déploiement de pipeline ML/LLM dans un environnement basé sur le Cloud

La mission : En 2024 la direction Financière a lancé un recensement au sein de ses équipes des cas d’usage candidats à l’utilisation de l’IA générative et de la data science afin de faciliter leur quotidien. L’exercice de cadrage et d’identification est en cours et devrait se terminer fin juillet. Dans le cadre de notre activité nous avons pour mission d’accompagner la phase de cadrage et d’avoir la charge du pilotage et de l’implémentation des solutions identifiées dans le SI Finance. Pour se faire nous cherchons à renforcer l’équipe actuelle avec un Data Engineer possédant de solides compétences en Data Science et ayant une bonne compréhension de l'Intelligence Artificielle. La mission requiert les qualités techniques ci-dessous : - Démontrer une expérience avérée dans le traitement de données non structurées ainsi que la maitrise de traitement de fichiers de différents types tels que Word, PDF, PowerPoint, CSV - Avoir des connaissances approfondies en Intelligence Artificielle générative et en Large Language Model (LLM) sont requises. - Une maîtrise avancée du langage de programmation Python est indispensable - Avoir des connaissances dans la mise en place de prompts et d’outils de RAG - Maitrise de la génération de documents via Python - Avoir travaillé en Banque et être intervenu en direction Financière serait un atout pour la candidature - 8 - 10 ans d’expériences

Pour une startup dans le domaine de l'énérgie fialiale d'un grand groupe, Le projet vise à consommer des modèles ML sur des données structurées, les transformer, et les intégrer dans des bases relationnelles ou des stockages type S3. Nous recherchons un profil hybride Data Engineer / Data Scientist , avec une expertise forte en Python , capable d’intégrer des algorithmes de Machine Learning dans des traitements batch. Le projet vise à consommer des modèles ML sur des données structurées, les transformer, et les intégrer dans des bases relationnelles ou des stockages type S3. Python (expertise avancée) PySpark , en particulier pour l'exécution de traitements ML batch Bonne compréhension des algorithmes de Machine Learning et de leur mise en production Bases de données relationnelles (PostgreSQL, MySQL, etc.) Stockage cloud : S3 ou équivalent Connaissance des bonnes pratiques de développement (structuration du code, logging, tests, performance)

Une entreprise du secteur bancaire recherche un Consultant Data Scientist expérimenté pour rejoindre son équipe dynamique à Paris. Avec 3 à 4 ans d'expérience, vous aurez l'opportunité de travailler sur des projets concrets et opérationnels en utilisant la plateforme Dataiku. Responsabilités : Développer et déployer des modèles de machine learning et d'intelligence artificielle pour répondre aux besoins métiers. Collaborer avec les équipes techniques et fonctionnelles pour comprendre les exigences et proposer des solutions innovantes. Assurer la maintenance et l'optimisation des modèles en production. Participer à la veille technologique et proposer des améliorations continues des processus et outils utilisés.

Nous recherchons un Data Scientist (H/F) de 2/3 ans minimum d'expérience professionnelle en data science appliquée à des problématiques métiers. Attention : pré-embauche client . Sous la responsabilité d'un Lead Data Science, vos principales tâches seront les suivantes : Mener des analyses exploratoires Piloter l’implémentation de cas d’usages Machine Learning et IA, depuis la phase d’idéation et de POC jusqu’au déploiement en production Restituer les analyses et modélisations (aux personnes techniques et métier) Collaborer avec les équipes métier pour identifier de nouveaux cas d’usage data-driven et pérenniser la qualité des cas d’usage existants Environnement technique : Python, VSCode, Git, Docker, Snowpark Cloud Azure Snowflake, DBT Microstrategy

Dans le cadre d’un recrutement en CDI, nous recherchons un Data Scientist expérimenté pour intervenir sur des projets stratégiques dans le secteur Banque/Assurance. Vous avez minimum 5 ans d’expérience comme data scientist Salaire à discuter. Missions principales Intégré(e) au sein d'une équipe dynamique, vous interviendrez sur l’ensemble du cycle de vie des projets IA, de la conception à l’industrialisation. Vous serez également amené(e) à encadrer des équipes techniques. Votre rôle consistera notamment à : Concevoir et développer des solutions d’Intelligence Artificielle innovantes en environnement Agile, en passant de l’idéation au design technique, jusqu’à la mise en production. Participer au développement d’outils de simulation, d’expérimentation (stress testing, back testing, modélisation…) et de suivi de performance des modèles. Contribuer à l’évolution continue des environnements Data Science, Accompagner la transformation de la banque en intégrant les technologies IA dans la conception des nouveaux produits, services et processus. Favoriser l’acculturation des équipes métiers à l’IA pour en accélérer l’adoption. Participer à des projets de R&D appliquée, en lien avec des partenaires académiques, et contribuer à la valorisation scientifique par des publications. Assurer une veille active sur les nouvelles technologies en IA et MLOps. Ce que nous vous offrons En rejoignant ce projet, vous aurez l’opportunité de : Travailler sur des technologies de pointe en Intelligence Artificielle, Participer à la mise en production de solutions à fort impact métier, Évoluer dans un environnement collaboratif stimulant, Enrichir votre expérience dans un secteur stratégique.

En quelques mots Cherry Pick est à la recherche d'un "Data scientist" pour un client dans le secteur de la finance Description Le Data Scientist jouera un rôle clé dans l’analyse des données clients pour améliorer la personnalisation des interactions et renforcer les performances des services. En tant que Data Scientist pour l’équipe l’équipe Services Clients aux Bénéficiaires, vos missions incluent: Conception de modèles prédictifs pour anticiper les comportements et besoins des bénéficiaires afin d’améliorer la personnalisation des services. Mise en œuvre d’analyses avancées telles que la segmentation et le scoring pour répondre aux besoins des bénéficiaires. Optimisation des parcours clients en analysant les points de friction et proposant des solutions stratégiques. Analyse des données des interactions clients (CRM, canaux digitaux, centre d'appels) pour améliorer les processus de gestion. Développement d’algorithmes d’optimisation pour améliorer la gestion des flux de demandes. Suivi des KPI (NPS, taux de résolution) pour piloter la performance stratégique et opérationnelle. Développement d'outils de reporting interactifs pour la prise de décision. Utilisation des outils technologiques avancés tels que ALTO Studio, Genesys, Python, SQL, Tableau, et Power BI. Exploitation des projets d'intelligence artificielle pour améliorer l'analyse des données. Collaboration avec les équipes transverses (produit, IT, marketing) pour aligner les initiatives data aux priorités stratégiques. Veille technologique pour intégrer les meilleures pratiques en data science. Respect des réglementations liées aux données personnelles (ex. RGPD)

Vos responsabilités : Analyser et valoriser les données clients : des ensembles de données complexes pour répondre à des problématiques stratégiques et opérationnelles, détecter des tendances et identifier des opportunités de croissance. Traduire les enjeux business en solutions data-driven : collaborer étroitement avec les équipes métiers pour comprendre leurs besoins et proposer des approches data-driven adaptées à leurs objectifs. Développer des modèles prédictifs : réaliser des modélisations en AI/ML pour répondre à des cas d’usage variés (segmentation client, scoring, recommandations, etc.). Fournir des insights exploitables : présenter des résultats clairs et impactant aux parties prenantes non techniques, en facilitant la prise de décision grâce à des analyses visuelles et accessibles. · Accompagner les clients : Aider les clients à valoriser leurs données en leur donnant du sens à travers des outils d'exploration et de dashboarding.

EXPERIENCE EN MANIPIULATION DE DONNÉES MARKETING MANDATORY Marketing Mix Modeling : Maintenir et développer un modèle avancé de machine learning pour soutenir les équipes marketing Appliquer une expertise en inférence statistique pour concevoir, évaluer et interpréter des expériences basées sur les données, en garantissant la validité et la fiabilité des résultats. Suivre et promouvoir les meilleures pratiques en matière de code, notamment le contrôle de version, la documentation et les tests, afin d’assurer la maintenabilité et l’évolutivité de nos solutions en data science. Collaborer avec des équipes multidisciplinaires, notamment des experts en MLE (Machine Learning Engineer), des Data Analysts, des experts métier et des Data Engineers pour identifier et résoudre des défis liés aux données.

Proposer des solutions techniques pour répondre aux cas d'usage des données et aux enjeux métiers. Définir des approches structurées pour répondre aux besoins des clients. Diriger et collaborer avec une équipe projet (data scientists et ingénieurs) pour développer et déployer des modèles de Machine Learning. Encadrer et développer les compétences des data scientists, en garantissant des livrables de qualité. Contribuer à la formation externe, au recrutement, à la veille technologique et à la croissance de l'entreprise. Participer aux réponses aux appels d'offres et aux événements de l'industrie.

Description du Poste : Nous recherchons un Data Scientist pour concevoir et développer un modèle de recommandation de produits basé sur les données clients dans le cadre d'un Proof of Concept (POC). Ce projet s'appuie sur Python et les solutions d'intelligence artificielle d'Azure AI Foundry. Responsabilités : Collecter, nettoyer et analyser les données clients pertinentes pour le modèle de recommandation. Concevoir et développer un algorithme de recommandation personnalisé (collaboratif, contenu-based, hybride). Mettre en œuvre des techniques de Machine Learning et d'apprentissage profond pour optimiser les recommandations. Intégrer le modèle aux services Azure AI Foundry pour déploiement et scalabilité. Tester et valider les performances du modèle avec des métriques adéquates (précision, recall, NDCG, etc.). Collaborer avec les équipes Data Engineering et IT pour l'industrialisation future du modèle. Documenter le travail réalisé et présenter les résultats aux parties prenantes. Compétences Recherchées : Expérience en Data Science et Machine Learning appliqué aux systèmes de recommandation. Maitrise de Python et des bibliothèques associées (Scikit-learn, TensorFlow/PyTorch, Pandas, NumPy). Bonne connaissance des modèles de filtrage collaboratif, basé sur le contenu et hybrides. Expérience avec Azure AI Foundry et les services cloud d'Azure (ML Studio, Data Factory, etc.). Capacité à travailler sur des données clients tout en respectant les contraintes de confidentialité et de conformité. Compétences en déploiement de modèles de ML en environnement cloud. Capacité à présenter des concepts complexes à un public non technique. Profil : Bac+5 en Data Science, Informatique, Mathématiques appliquées ou domaine connexe. Expérience significative en Data Science, idéalement sur des projets de recommandation. Esprit analytique et rigoureux, capable de travailler en mode projet. Expérience avec des outils de visualisation de données est un plus (Power BI, Tableau, etc.). Localisation : Flexible (Remote/Hybride possible) Durée : Mission temporaire pour un POC, avec possibilité d'évolution selon les résultats. Si vous êtes passionné par la Data Science et souhaitez contribuer à un projet innovant dans un environnement stimulant, n'hésitez pas à postuler !

Nous recherchons pour notre client bancaire un(e) Consultant(e) Data Scientist maitrisant Dataiku, Python, Py Spark et ayant éventuellement des connaissances en conformité bancaire, notamment sur la lutte contre le blanchiment de capitaux et le financement du terrorisme (LCBFT). La mission consiste à apporter ses compétences en data science, afin de participer au projet de conformité bancaire. La mission est sur Paris à partir de mi-avril 2025. Les candidatures seront envoyées dès que possible à notre client.

Notre cabinet partenaire, recherche un Data Scientist (H/F) dans le cadre d'une longue mission. Renforcement de l’équipe Data Science pour optimiser les processus liés aux paiements et au cash management. - Développer et optimiser des modèles de Machine Learning appliqués aux paiements et au cash management - Analyser les données transactionnelles pour détecter des tendances et améliorer les processus - Mettre en place des outils de visualisation et de reporting - Collaborer avec les équipes métier pour identifier les besoins et proposer des solutions basées sur la data - Assurer la qualité des données et leur exploitation conforme aux exigences réglementaires

Nous recherchons activement pour le compte d'un de nos partenaires plusieurs Data Engineer / Data Analyst / Data Scientist en alternance pour une durée de 15 ou 24 mois selon votre profil Attention: Partenariat exclusif avec notre école Sous la supervision de votre maitre d'apprentissage, vos missions principales seront les suivantes : Effectuer l’intégration et la construction des offres Data & IA ; Accompagner l’équipe dans la construction, la structuration et l’intégration des offres Data & IA ; Automatiser et industrialiser des solutions ; Intégrer les offres de solutions de monitoring, alerting, restriction de droits ; Effectuer la veille technologique autour de la Data, l’IA, POC, tests de performances et comparaisons de solutions. Conditions de l'offre : Rémunération : Selon la réglementation en vigueur pour les contrats d'apprentissage Début du contrat : ASAP

Contexte de la mission Un Expert Data Scientist est recherché pour intégrer un projet visant à centraliser, structurer et exploiter des données patrimoniales afin d’optimiser la gestion. Missions principales L’Expert Data Scientist interviendra sur : Développement de scripts pour le traitement de données en masse Développement et intégration d’API (industrialisation) Mise en place de flux de données via Apache NiFi Développement de solutions de restitution et de visualisation de données (Metabase ou équivalent) Analyse exploratoire et modélisation prédictive des données Collaboration avec les équipes internes pour optimiser l’exploitation des données patrimoniales Participation aux livrables : backlog, roadmap produit, études techniques, dictionnaire de données, etc.