Hybrid AI/ML Engineer Intern: Research & Client Projects

We Love AI Jobs; Paris; Hybrid; EUR 10,000 - 17,000; Part time

Benefits offered by this job

Hybrid work model

Internship

Job summary

Ekimetrics recherche un(e) stagiaire AI Engineer pour intervenir à 50% sur des projets R&D et 50% sur des projets clients. Vous travaillerez au sein de l’équipe Innovation, en collaboration avec les data & transformation services, pour traduire des besoins business en modèles ML robustes et industrialisés.

Le stage nécessite une maîtrise de Python et des bibliothèques ML (TensorFlow, PyTorch, scikit-learn) et une curiosité pour les approches économétriques et le deep learning. Hybrid, Paris.

Qualifications

• Formation et compétences en IA, ML et DS requis ou en cours d’acquisition.
• Bonne compréhension des concepts statistiques et mathématiques sous-jacents.
• Excellentes compétences en communication pour présenter des résultats clients.

Responsibilities

• Analyser les besoins business et les traduire en objectifs techniques mesurables.
• Développer, déployer et optimiser des modèles ML pour des projets internes et clients.
• Préparer les données, industrialiser les solutions et présenter les résultats techniques.
• Collaborer avec les data engineers pour collecter, nettoyer et prétraiter les données.
• Assurer l’industrialisation des modèles et partager les connaissances en interne.
• Suivre les avancées technologiques et les tendances en data science et ML.

Skills

Python

TensorFlow

PyTorch

scikit-learn

LangChain

Git

ETL

Education

Formation en IA, ML, DS, statistiques, mathématiques appliquées

Tools

LangChain

Job description

Ekimetrics recherche un(e) stagiaire AI Engineer pour intervenir à 50% sur des projets R&D et 50% sur des projets clients. Vous travaillerez au sein de l’équipe Innovation, en collaboration avec les data & transformation services, pour traduire des besoins business en modèles ML robustes et industrialisés.

Le stage nécessite une maîtrise de Python et des bibliothèques ML (TensorFlow, PyTorch, scikit-learn) et une curiosité pour les approches économétriques et le deep learning. Hybrid, Paris.