La Mission :

Dans le cadre du développement de projets innovants de la R&D jusqu’au packaging, nous recrutons un Data Scientist pour industrialiser des modèles de Machine Learning appliquées aux problématiques d’assurance et de maîtrise de la charge de sinistres, de lutte antifraude et de maîtrise des risques climatiques.

Vous interviendrez sur :

• Les travaux de cadrage des sujets,

• La préparation des bases de données,

• L’engineering des features,

• L’écriture et tuning des modèles de Machine Learning,

• La préparation à l’industrialisation sous forme de projets.

Dans ce cadre, vous aurez comme mission de :

• Superviser techniquement les travaux des Data Scientist junior de l’équipe (cadrage technique, challenge et optimisation du code, méthodologie modélisation),

• Être le référent technique de l’équipe concernant les travaux d’industrialisation des modèles effectués par l’IT de notre client,

• Contribuer ponctuellement sur quelques projets de Data Science

• Rédiger et/ou superviser la documentation en conformité avec les normes et standards de l’équipe

• Proposer des nouveaux outils, méthodes pour accompagner la montée en compétence de l’équipe

• Etre force de proposition dans l’amélioration continue des modèles développés par l’équipe (utilisation de données non structurées, données externes…)

Une interaction forte avec les utilisateurs est attendue pour comprendre leurs besoins et s’assurer de la valeur apportée par les projets.

Les points forts de la mission :

• Environnement de travail stimulant, au sein d’une entreprise dynamique et intervenant dans l’intelligence artificielle

• Evoluer sur des fonctions de référent, de conseil en méthodologie

• Collaborer avec des équipes transverses

• 2 jours de TT/ semaine

De Formation supérieure Bac +5, idéalement dans le secteur de l’assurance, vous avez une expérience confirmée de minimum 5 ans en tant que Data Scientist. Vous avez déjà conduit des projets similaires jusqu’à la phase d’industrialisation.

Vous maîtrisez :

• Les technologies liées au Machine Learning (supervisé / non supervisé),

• Les techniques d’interprétabilité,

• La modélisation de risques climatiques,

• Les technologies liées à la Computer Vision,

• La stack technique : Python (pandas, scikit, pyod, geopandas, kepler), Git, Docker, CI/CD, Mlflow, Databricks, sphinx, Pycharm, Deep Learning (Tensorflow | Pytorch)

1. Un premier échange téléphonique d’une dizaine de minutes pour définir vos attentes et votre projet professionnel.

2. Un entretien réalisé avec un Ingénieur d’Affaires.

3. Réunion technique et proposition d’offres…