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

Contexte de la mission : Notre client, un grand groupe du secteur de l’assurance, a développé un framework interne en Python destiné à accélérer le déploiement de modèles de tarification et à réduire les risques d’erreurs en harmonisant le langage entre les équipes métier et IT. Ce framework permet également l’intégration de modèles de machine learning, favorisant une tarification plus avancée. Dans le cadre d’un programme de scalabilité internationale , nous recherchons un consultant pour rejoindre une équipe transverse de déploiement , afin d’accompagner plusieurs entités européennes et internationales dans l’adoption de ce moteur de tarification. Objectifs & responsabilités : Monter en expertise sur le moteur de tarification développé en interne (framework Python). Accompagner les équipes locales dans leur montée en compétence sur cet outil : formation, support technique, conseil en développement. Recueillir les besoins métiers (actuaires, data scientists) et proposer des solutions fonctionnelles et techniques. Interagir avec les équipes de développement centralisées, les sponsors du programme, et les équipes locales utilisatrices. Participer à l’évolution du produit en proposant des améliorations techniques et fonctionnelles . Livrables : Développement de matériels et composants techniques pour accélérer l’adoption du framework. Support aux entités dans la mise en œuvre locale du framework. Construction et alimentation continue d’un backlog d’évolutions techniques . Participation active au développement de nouvelles fonctionnalités si nécessaire.

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