Contexte
Rejoignez une équipe Data & Product innovante qui développe des solutions d'intelligence artificielle appliquée à la finance. Basé sur les données de Bridge, nous développons des services financiers innovants.
Ton objectif est de créer, mettre en place et piloter l'amélioration continue de nos modèles ML, participer à la R&D pour les prochains algorithmes type LLM, et contribuer à l'architecture data scalable de notre plateforme.
Vous missions
- Machine learning et optimisations
- Developper des stratégies de feature engineering en lien avec nos futurs projets
- Proposer des nouvelles sources de données
- Piloter l'optimisation d'algorithmes de type Random Forest, XGBoost, LLM et Mixture of Expert
- Monitorer les évolutions des models tels que la surveillance du drift
- Industrialisation & Run
- Concevoir les pipelines et Implémenter les processus de CI/CD
- Mettre en place le monitoring, la détection de drift et la maintenance prédictive
- Optimiser les performances et la scalabilité des systèmes en production
Stack Technique
Langages & Frameworks
- Python & SQL : Numpy, Pandas, Pytorch, Scikit-learn
- Deep Learning - Transformers, architectures neuronales
- Évaluation - Métriques avancées, analyse de biais, interprétabilité
Infrastructure & DevOps
- AWS - Lambda, S3, SageMaker
- Docker - Containerisation, orchestration
- CI/CD & Monitoring
Travailler chez Bridge, c'est :
- Des bureaux au coeur de Paris, métro République
- Une politique hybride : 3 jours de télétravail par semaine
- 4 jours de repos offerts par an
- Une carte Swile pour tes déjeuners
- Des événements et rituels Bridge toute l'année : afterworks, événements internes…
Profil recherché
- Bac+5 en école d'ingénieur, Master Data Science, ou équivalent
- 3-5 ans d'expérience en Data Science ou ML Engineering
- Expérience dans des projets ML en production
- Connaissance du domaine financier (KYC, scoring, fraude)
- Expertise en algorithmes de classification et de régression
- Maîtrise des métriques d'évaluation et de l'optimisation de modèles
- Expérience en feature engineering et sélection de variables
- Connaissance des architectures ML scalables et des bonnes pratiques
Soft skills
- Autonomie - Gestion de projets complexes de bout en bout
- Curiosité - Volonté d'apprendre et de se former
- Force de proposition - Innovation et amélioration continue
- Communication - Présentation technique et business
- Agilité - Adaptation rapide aux changements et nouvelles technologies
Déroulement des entretiens
- Screening call avec Thibault (Head of Data) ou Benjamin (CTO)
- Test technique en live avec Thibault et Benjamin
- Entretien fit avec un membre de l'équipe tech et un membre de l'équipe produit