Ingénieur de Recherche Dataops - Profil Docteur H / F

Kaiman Services; Malakoff; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise de recherche cherche un Ingénieur de Recherche DataOps pour concevoir et industrialiser une infrastructure de données. Le candidat idéal aura un doctorat en Data Science ou équivalent, avec une expérience solide en Data Engineering, AWS, Python et SQL. Les responsabilités incluent la création de pipelines de données et la collaboration avec des chercheurs. Un environnement d'R&D exigeant attend le candidat avec une forte culture DevOps.

Qualifications

• Doctorat obligatoire en Data Science, Machine Learning, ou Mathématiques appliquées.
• Expertise en Data Engineering scientifique avec 7 à 9 ans d'expérience.
• Capacité à collaborer avec des chercheurs.

Responsabilités

• Concevoir et optimiser des pipelines de données scientifiques.
• Concevoir des architectures cloud sécurisées.
• Assurer la reproductibilité scientifique.

Connaissances

Data Engineering scientifique

Expertise AWS

Python

SQL

Docker

CI/CD

Formation

Doctorat en Data Science, Machine Learning, ou Mathématiques appliquées

Outils

AWS S3

AWS Lambda

AWS Glue

Pandas

NumPy

Description du poste

Contexte

Le Passenger Cognition Lab conduit des travaux de modélisation scientifique sur le comportement des voyageurs afin d'optimiser les services digitaux et l'information voyageur en Île-de-France.

Dans un environnement R&D exigeant, manipulant des volumes massifs de données hétérogènes, le Lab recherche un Ingénieur de Recherche DataOps capable de construire et d'industrialiser une infrastructure de données dédiée aux études cognitives avancées.

Votre rôle

Vous serez le bras technique du Lab, garant de la robustesse scientifique, de la reproductibilité et de la qualité des traitements.

Votre mission : transformer les besoins des chercheurs en pipelines de données fiables, documentés et exploitables.

Vos missions principales

Scientific Data Engineering

• Concevoir, développer et optimiser des pipelines de données scientifiques (données massives, séries temporelles, logs comportementaux).
• Garantir l'intégrité scientifique : gestion des biais, traçabilité des transformations, qualité statistique.
• Structurer les environnements de calcul et d'expérimentation pour les besoins du Lab.

Cloud & Infrastructure Data (AWS - Expert)

• Concevoir des architectures cloud performantes, reproductibles et sécurisées.
• Mettre en place des environnements d'expérimentation, de simulation et d'analyse de données.
• Conteneurisation, orchestration et automatisation (Docker, éventuels outils MLOps).

Ingénierie logicielle & DataOps

• Implémenter des process de CI / CD adaptés aux travaux de recherche.
• Documenter les workflows, jeux de données, méthodologies et artefacts.
• Assurer la reproductibilité scientifique (versioning, packaging, traçabilité).
• Collaborer avec l'IT Groupe pour le portage et l'exploitation de la donnée.

Documentation & Valorisation

• Produire une documentation scientifique et technique complète.
• Participer à la valorisation des résultats : guidelines, rapports techniques, briques réutilisables.

Stack & Environnement technique

• AWS (Expert) : S3, Lambda, ECS / EKS, Glue, IAM, CloudWatch, Step Functions
• Python (Expert) : Pandas, Polars, NumPy, PyArrow
• SQL (Expert) : optimisation, data modeling
• Conteneurisation : Docker
• Outils R&D, environnements reproductibles, scientific computing.

Formation

• Doctorat obligatoire (Data Science, Machine Learning, Mathématiques appliquées ou équivalent).
• Capacité démontrée à collaborer avec des chercheurs et laboratoires scientifiques.

Compétences techniques indispensables

• Expertise avérée en Data Engineering scientifique (7 à 9 ans).
• Maîtrise des stacks AWS, Python scientifique et SQL.

Très forte culture DevOps / DataOps.

Maîtrise de la reproductibilité, de la documentation technique et des bonnes pratiques scientifiques.

Aptitudes recherchées

• Capacité d'interagir avec des profils chercheurs (cognition, sciences comportementales).
• Rigueur scientifique, fiabilité, précision et sens du détail.
• Autonomie forte et capacité à structurer un environnement de recherche.
• Communication claire & capacité à documenter pour pérenniser les travaux.