Rôle général : Développe des cas d’usage de la Data Science pour répondre aux problématiques métiers variées de l’industrie automobile et déployer de façon durable l’IA au sein du groupe.
Responsabilité générale : Analyser des quantités massives de données structurées ou non structurées afin d’aider à la compréhension et à la prise de décisions. Sélectionner des techniques d’analyse et des outils de modélisation, construire des modèles, les déployer et évaluer les résultats et les performances.
Compétences générales: statistiques descriptives et inférentielles, algorithmes de machine learning, data visualisation, programmation, traitement de données distribuées, gestion de projets d’analyse de données, industrialisation et déploiement des modèles.
Le groupe RENAULT entre dans une nouvelle ère, l’ambitieuse stratégie RENAULuTion place L’IA au cœur de notre business. Renault Digital, créé en 2017, est un acteur incontournable de ce nouveau cycle et participe activement à relever les challenges des nouvelles mobilités et de l’industrie 4.0
Vous travaillez au sein du Pôle Data, dans une équipe de 30 data Scientists et data Analysts. Via des interviews proactives avec les grands métiers de Renault ou en phase amont de projet, vous analysez les problématiques et les besoins métier pour concevoir des solutions d’analytics potentielles. En phase projet, vous concevez, expérimentez, construisez et implémentez ces solutions en production, en mettant à contribution votre solide savoir-faire technique, votre relationnel et votre compréhension du contexte. Vous serez garant de la valeur ajoutée de la donnée et de l’intelligence artificielle appliquée dans les processus métiers.
Responsabilités principales :
En phase amont d’un projet :
Collaborer avec les différents acteurs de Renault, tant métier que techniques pour imaginer des solutions innovantes et identifier des synergies entre projets
Analyser la qualité et disponibilité des sources de données d’un projet
Analyser les données et tester des algorithmes pour estimer la faisabilité d’un projet et la valeur potentielle.
Pendant la phase projet :
Participer à la vie du projet, avec ses différents membres (product leader, métiers, développeurs, devops, architectes Big Data, UX, agile, data engineers et scientists, …)
Analyser et comprendre de manière détaillée la problématique métier
Définir la stratégie analytics (priorisation des idées, métriques d’évaluation, environnement logiciel, estimation de valeur)
Implémenter des traitements complexes de data engineering et de feature engineering
Créer des modèles de machine learning précis et performants
Analyser et développer des solutions de rupture grâce au deep learning
Définir et développer les composants nécessaires pour orchestrer un système de machine learning en production suivant les best practice MLOPS (validation de données, preprocessing, apprentissage, analyse de modèle, déploiement, monitoring, etc.)
Animer des workshops data avec les métiers et les équipes techniques
Apporter de l’aide et de l’organisation aux data scientists moins expérimentés
En phase hors projet :
Peer review et soutien aux approches et modèles des data scientists d’autres projets
Veille technologique et apprentissage continue
Participer à l’acculturation Data de Renault (contenu de présentation et formations)
Contribuer au processus de recrutement de nouveaux data scientists
Qualités requises :
Tieto spoločnosti tiež prijímajú pracovníkov na pozíciu "{profesia}".