Obtenez une réponse de cet employeur — un CV et une lettre de motivation adaptés exactement à ce qu’il recherche.
MPdata, nouvelle agence à Lille, cherche un Data Scientist pour concevoir et déployer des solutions d’analyse avancée afin d’appuyer les décisions métiers. Vous industrialiserez les modèles et accompagnerez les équipes dans l’adoption des solutions.
Vous travaillerez sur des projets variés, avec des données internes et externes, et contribuerez à la mise en production dans un cadre scalable et collaboratif.
Chez MPdata, nous sommes une équipe passionnée d’experts en données, spécialisée dans l’acquisition, le traitement et la valorisation des données pour nos clients industriels. Depuis 2015, nous mettons notre savoir-faire technique et notre engagement au service de missions et de projets pour les grands groupes. Notre approche repose sur les valeurs d’Excellence, de Partage et d’Engagement.
Suite à la forte croissance de MPdata et une forte demande de nos clients dans les Hauts-de-France, nous avons lancé une nouvelle agence à Lille.
Nous recherchons un(e) Data Scientist pour rejoindre notre équipe lilloise.
Data Scientist, vous serez responsable de concevoir, développer et déployer des solutions d’analyse de données avancées permettant de soutenir les décisions stratégiques de l’entreprise. Vous jouerez un rôle clé dans l’industrialisation des modèles et l’accompagnement des équipes métiers.
Ingénieur d’une grande école (Centrale, Mines, Supaero, Supelec, …), vous avez des connaissances en modélisation et machine learning (deep learning, random forest, svm…) acquises lors de vos expériences passées. Vous avez de bonnes connaissances en Python (ou R) pour coder ces algorithmes.Vous êtes reconnu(e) pour votre autonomie, votre excellent relationnel et votre capacité à être force de proposition.Solide maîtrise de Python et des librairies ML (Scikit-learn, XGBoost, TensorFlow ou PyTorch).Expérience en mise en production de modèles ML (APIs, CI/CD, containerisation).Bonne connaissance des bases de données (SQL, NoSQL) et des outils de data pipeline (Airflow, Spark, etc.).Compétences en MLOps : versioning de modèles, monitoring, déploiement cloud (AWS, GCP, ou Azure).Aisance dans l’analyse métier et la vulgarisation des résultats.Goût pour l’optimisation, la performance et la qualité logicielle