Les missions :

• Développement de modèles de machine learning (Random Forest, XGBoost, lightGBM, etc) pour enrichir notre base de données : prédiction de la valeur de biens, de la consommation énergétique, du nombre de pièces, etc
• Appliquer du feature engineering à des données géospatiales : indices de Moran ou Geary, etc et ainsi enrichir notre feature store et améliorer le pouvoir prédictif de nos algorithmes
• Récupérer, analyser, traiter et nettoyer de lourds datasets en vu de l’intégration de nouvelles données dans notre base
• Travailler avec l’équipe computer vision et NLP sur des projets communs mélant géomatique, imagerie et analyse textuelle
• Développer nos outils internes dans le cadre du nettoyage automatique de datasets issus de l’open data (clustering, détection d’outliers, etc)
• Visualiser et analyser nos données sur un point de vue géographique en vue d’évaluation qualité.

Formation
Master 2 ou Ecole d’ingénieurs en Data Science / Statistiques / Mathématiques / Mathématiques Appliquées / Doctorat Sifre

Experience
Expérience pratique d’au moins 2 ans sur un projet Data Sicence, Big Data

• Solide background en mathématique et statistique complété d’une bonne compétence en programmation
• Expérience de développement de projet de modélisation (Simple OLS, Random Forest, XGBoost, LightGBM, etc)
• Intérêt dans les méthodes à base de réseaux de neurones (ANN, CNN, RNN, etc)
• Maitrise des méthodes supervisées et non supervisées (DBScan, K-Nearest Neighbors, etc)
• Excellente compétence d’analyse de données : interprétations des métriques, évaluation de modèles, test statistiques (khi-2, ANOVA, Pearson, etc), visualisation de donnéées, évaluation de l’importance de features dans les modèles (permutation, LIME, SHAP)
• Une expérience dans la manipulation de données géospatiales serait un vrai plus