Pour le compte d’un leader européen du secteur aéronautique , MP DATA pilote un projet stratégique visant à redéfinir la fiabilité des prévisions de livraison pour les flux de pièces de rechange et de maintenance.

L’enjeu est de transformer un système complexe sujet à une forte volatilité des dates en un moteur de prédiction intelligent. L’objectif est ambitieux : réduire drastiquement l’erreur de livraison des composants et des services de réparation.

Vos Missions:

En tant que Data Scientist, vous êtes responsable du développement de modèles avancés et de leur intégration dans des pipelines de production :

• Modélisation Prédictive & Probabiliste : Concevoir des modèles de régression quantile pour fournir des fenêtres de livraison avec une estimation de distribution de probabilité plutôt que de simples points fixes.

• Architecture ML Avancée : Maîtriser et optimiser des architectures de type XGBoost, LightGBM, CatBoost, ou des réseaux de neurones spécialisés comme les Temporal Fusion Transformers (TFT).

• Analyse de Survie (Time-to-Event) : Utiliser des frameworks de Survival Analysis pour modéliser précisément les durées entre chaque étape du processus industriel.

• Optimisation Mathématique : Concevoir des fonctions de perte personnalisées (Custom Loss Functions) pour pénaliser de manière asymétrique les retards par rapport aux livraisons précoces.

• Feature Engineering Industriel : Transformer des signaux bruts en entrées à haut potentiel (encodage temporel cyclique, embeddings pour identifiants de pièces, pondération du backlog).

• Performance & Inférence : Optimiser les modèles (quantification, pruning) pour garantir une latence de prédiction en temps réel lors de la consultation par le client final

Diplômé(e) d’une grande école d’ingénieur (Supaero, Centrale, Mines, etc.) avec 2 ans d’expérience minimum, vous disposez d’une solide base en mathématiques appliquées et d’une expérience en environnement industriel.

Expertises techniques nécessaires :

• Python : Maîtrise avancée de l’écosystème Scikit-learn, PyTorch/TensorFlow, Optuna et des outils d’interprétabilité comme SHAP ou LIME.

• Expérience Confirmée : Un historique vérifiable dans le déploiement de modèles de forecasting complexes dont les résultats impactent directement des engagements contractuels (SLA).

• Qualités Personnelles : Rigueur scientifique, autonomie et capacité à vulgariser des travaux complexes auprès de profils métiers.

• Prise de contact téléphonique (5–10 minutes).

• 1er entretien : échange sur vos expériences/projets + présentation de MP DATA (45 min – 1 h).

• Test technique sur un cas d’usage concret lié à votre métier.

• 2ème entretien : entretien technique approfondi (1 h).

• 3ème entretien : visite de nos locaux à Balma (31130) et échange avec notre Practice Manager et un commercial.