Au sein du datalab interne (équipe de 3-6 personnes regroupant des compétences en Machine Learning, Deep Learning et Software Engineering), sous la supervision du Directeur des Opérations, vous mettez à profit votre expérience et vos compétences à deux niveaux :

De manière transverse pour :

• Réaliser des projets internes visant à développer l’offre et les outils de NLP de la société
• Développer des méthodologies et des outils visant à améliorer la productivité des projets clients
• Faire une veille active pour identifier et tester les nouveaux outils et frameworks pertinents dans le cadre de l’activité de Quinten

En support des équipes projets pour :

• Prendre en charge la conception et la réalisation de modules analytiques/modèles complexes
• Prendre en charge les phases de mise en production de modules et pipelines analytiques
• Apporter un support et un encadrement expert ponctuel (référent technique)

Dans l’ensemble de ces situations, vous devrez mettre en pratique votre savoir-faire en termes de process et de bonnes pratiques de développement, mais également en termes de pédagogie et de communication afin de renforcer l’impact opérationnel de vos travaux et de contribuer à l’évolution des compétences en interne.

Expériences et compétences requises

• Prototypage de pipelines de machine learning et de deep learning

• Réalisation de cas d’usage en NLP

• Méthodologies et bonnes pratiques de développement : Tests unitaires, versionning, CD/CI

• Plateformes clouds : AWS et Microsoft Azure

• Industrialisation de pipeline analytique et mise en production de modèles (process et framework)

• Connaissance approfondie en probabilités, mathématiques et statistiques

• Connaissance approfondie des algorithmes de machine learning et de deep learning et de leurs modalités de mises en œuvre

• Maitrise approfondie de Python, SQL et Spark

• Maitrise de l’anglais

Softskills :

• Travail en équipe
• Pédagogie et communication
• Rigueur et organisation

Compétences additionnelles

• Expérience dans l’utilisation d’ontologies et de modèles de langages
• Expérience sur des cas d’usage en NLP appliqué à la santé (Revue de littérature scientifique, EHR processing)
• Maitrise de Databricks (not. MLflow)
• Connaissance approfondie dans les domaines suivants : systèmes de recommandation, computer vision
• Connaissance en reinforcement learning
• Connaissance des technologies Big Data et de calcul distribués (ex : Hadoop, Map Reduce)
• Connaissance de langages parmi les suivants : Java, C++, Scala, R