École de formation tech à distance pour compétences clés.
DATASCIENTEST : LEADER DES FORMATIONS EN DATA SCIENCE
Nous formons plus de 200 apprenants par mois, aux métiers de Data Scientist/Data Analyst/Data Ingénieur et les accompagnons dans leurs ambitions professionnelles !
Afin de conserver notre rôle de référence unique dans la sphère digitale, nous avons lancé nos formations en Cybersécurité & Devops, tout en développant notre business model à l’étranger, notamment en Allemagne et en Espagne !
Avec plus de 3 000 apprenants à notre actif, nous sommes :
Pour amorcer nos projets et maintenir notre croissance, nous avons besoin de nouveaux renforts, dont tu pourrais faire partie !
Le MLOps est aujourd’hui incontournable pour industrialiser les projets de Machine Learning. Il permet de :
Automatiser le cycle de vie complet des modèles ML
Garantir la reproductibilité et la qualité des modèles
Faciliter la collaboration entre Data Scientists et équipes métier
Accélérer le passage de l’expérimentation à la production.
Au sein de l’équipe Machine Learning Engineering du pôle Data Science, vous serez amenés à intervenir sur les parcours Machine Learning Engineer (en priorité) et Data Scientist. Le rôle s’articule autour des axes suivants :
Développement : mise à jour et création de notebooks Python sur des sujets avancés de Machine & Deep Learning, avec un focus particulier sur l’industrialisation du ML : Conception et optimisation de pipelines d’entraînement | Déploiement de modèles | Versioning des données & modèles | Automatisation des worklflows & monitoring.
Application : accompagnement d’apprenants sur des projets de Machine Learning Engineering.
Pédagogie : participation à l’animation de Masterclasses et d’évènements techniques autour du ML Engineering.
Autoformation : recherche sur des technologies complexes et récentes en Machine Learning et MLOps, pouvant mener à la rédaction d’articles techniques.
Issu(e) d’une formation orientée Data Science et/ou Intelligence Artificielle.
Excellente maîtrise de Python et des frameworks de Machine Learning (TensorFlow, PyTorch, scikit-learn).
Bonne connaissance des outils de MLOps et de déploiement de modèles (Docker, Kubernetes, CI/CD).
Motivé.e à monter rapidement en compétences en Machine Learning Engineering et MLOps.
Les connaissances en Cloud Computing (AWS, GCP, Azure) et en Big Data sont un plus.
Très bon niveau écrit et oral en français et anglais.
Appétence pour la pédagogie et le monde de la formation.
In short
Founding year
2017
Employees
130
Average age
31
Gender
45%
55%