DATA ENGINEER - NLP (H/F)

Brief IA; Brest; Sur place; EUR 36 000 - 54 000; Plein temps

Résumé du poste

Brief IA recherche un ingénieur/Data scientist pour le suivi technique du projet PARTAGES et l'accompagnement du service sur l'analyse textuelle des comptes rendus médicaux. Vous assurerez le déploiement et le maintien des composants du noeud local et préparerez les jeux de données locaux destinés à l'évaluation.

Vous développerez les chaînes ETL, assurerez la qualité des données et calculerez des métriques d'évaluation, en lien avec les partenaires et les rendus techniques attendus.

Responsabilités

• Déploiement et maintien en conditions opérationnelles des composants du noeud local de la plateforme nationale d'évaluation fédérée
• Constitution et préparation des jeux de données locaux servant à l'évaluation : extraction, sélection, contrôle de conformité, documentation
• Exécution des campagnes d'évaluation des modèles fournis par le consortium sur les données réelles de l'établissement
• Production, contrôle et transmission des métriques d'évaluation au coordonnateur du projet
• Documentation du cadre réglementaire et de sécurité appliqué, traçabilité des traitements réalisés
• Interface technique avec les équipes du Health Data Hub et des autres partenaires ; participation aux points d'avancement et contribution aux rendus techniques attendus
• Exploration et cartographie des bases contenant des documents textuels : volumétrie, typologies de comptes rendus, métadonnées
• Conception, développement et industrialisation des chaînes de traitement (ETL) d'extraction et de préparation des corpus, orchestrées sous Dagster
• Mise en qualité des données : détection des anomalies, doublons, documents tronqués ou mal rattachés ; normalisation et documentation des corpus produits
• Définition et calcul des métriques d'évaluation des traitements et restitution aux équipes métier
• Mise en oeuvre technique des cas d'usage prioritaires retenus par le service, en s'appuyant sur les ressources ouvertes produites par PARTAGES (corpus PARHAF et PARCOMED, modèles open source)
• Génération de comptes rendus fictifs (data augmentation)
• pseudonymisation automatique des comptes rendus médicaux
• Aide au codage médical automatisé à partir des comptes rendus (DIM)
• Utilisation, spécialisation et évaluation de modèles de langage sur les corpus annotés, sur l'infrastr

Outils

Dagster

Description du poste

RESPONSABILITÉS :

Suivi technique du projet PARTAGES

• Déploiement et maintien en conditions opérationnelles des composants du noeud local de la plateforme nationale d'évaluation fédérée
• Constitution et préparation des jeux de données locaux servant à l'évaluation : extraction, sélection, contrôle de conformité, documentation
• Exécution des campagnes d'évaluation des modèles fournis par le consortium sur les données réelles de l'établissement
• Production, contrôle et transmission des métriques d'évaluation au coordonnateur du projet
• Documentation du cadre réglementaire et de sécurité appliqué, traçabilité des traitements réalisés
• Interface technique avec les équipes du Health Data Hub et des autres partenaires ; participation aux points d'avancement et contribution aux rendus techniques attendus

Accompagnement du service sur l'analyse textuelle des comptes rendus médicaux

• Exploration et cartographie des bases contenant des documents textuels : volumétrie, typologies de comptes rendus, métadonnées, chaînage aux séjours et aux patients
• Conception, développement et industrialisation des chaînes de traitement (ETL) d'extraction et de préparation des corpus, orchestrées sous Dagster- Mise en qualité des données : détection des anomalies, doublons, documents tronqués ou mal rattachés ; normalisation et documentation des corpus produits
• Définition et calcul des métriques d'évaluation des traitements (qualité des corpus, performance des modèles) et restitution aux équipes métier
• Mise en oeuvre technique des cas d'usage prioritaires retenus par le service, en s'appuyant sur les ressources ouvertes produites par PARTAGES (corpus PARHAF et PARCOMED, modèles open source) :
• Génération de comptes rendus fictifs (data augmentation)
• pseudonymisation automatique des comptes rendus médicaux
• Aide au codage médical automatisé à partir des comptes rendus (DIM)
• Utilisation, spécialisation et évaluation de modèles de langage sur les corpus annotés, sur l'infrastr