Stage Data Science H/F

Crédit Agricole Group; Paris; Hybride; EUR 13 000 - 17 000; Plein temps

Résumé du poste

Crédit Agricole Group recherche unstagi­­aire pour travailler sur des solutions ML appliquées à la gestion d’actifs, avec un focus NLP et analyse thématique.

Le stage implique le développement d’outils et de signaux quantitatifs, la collaboration avec les équipes IT et les data management, et une contribution à la suite d’un pipeline de traitement en Python.

Qualifications

• Stage en ML/NLP dans le domaine de la gestion d’actifs.
• Connaissance des approches quantitatives et qualitatives pour l’analyse de portefeuilles.
• Capacité à développer des pipelines data et à documenter les travaux.

Responsabilités

• Participer à la mise en place d’un modèle ML pour l’analyse thématique d’un corpus documentaire en anglais.
• Contribuer au développement d’une analyse de sentiment adaptée au contexte financier.
• Proposer des outils de visualisation et des signaux d’aide à la décision.
• Poursuivre et consolider un pipeline de traitement en Python et documenter les résultats.

Connaissances

Ingénierie financière

Mathématiques appliquées

Analyses quantitatives

Data science

Outils

Python

NLP

Description du poste

Service d'accueil:

L’équipe «Méthodes & Solutions» à laquelle vous serez rattaché(e) est impliquée dans la conception et la construction des solutions d’investissement, que ce soit sur des aspects financiers ou extra-financiers, en appliquant des méthodes et techniques à la fois quantitatives et qualitatives.

L’équipe intervient sur une large partie de la chaine de valeur, depuis la réflexion initiale et la recherche méthodologique jusqu’à la mise en œuvre opérationnelle des solutions, en passant par les phases d’étude, de prototypage et d’industrialisation, avec l’appuis d’équipes IT et infrastructure.
Les profils de l’équipe sont complémentaires et présentent des compétences variées: ingénierie financière / mathématiques appliquées,analyses quantitatives, construction de portefeuilles, data science et data management.
Cette diversité permet à l’équipe d’aborder les projets de bout en bout, en associant expertise financière, maîtrise des données et capacités de développements informatiques.

Les missions

Vos missions principales seront les suivantes :

participer à la mise en place d’un modèle ML d’analyse thématiqued’un large corpus documentaire (langue anglaise), en s’appuyant sur des approches de NLP (Natural Language Processing) afin desuivre une mesure d’attention de thèmes identifiéset dedétecter / structurer des thèmes émergents.
contribuer au développement d’uneanalyse de sentiment adaptée au contexte financier, puis à laconstruction de signaux combinant signal d’attention et sentiment.
proposer desoutils de visualisation et de restitutionpermettant de rendre les résultats lisibles, comparables dans le temps et exploitables par les équipes.
poursuivre et consolider unpipeline de traitement en Python, afin d’intégrer de nouvelles données textuelles et de fiabiliser les traitements.
documenter les travaux réalisés, les choix méthodologiques et les résultats obtenus.
êtreforce de propositionsur les méthodes mobilisées, via une veille de lalittérature scientifiqueet un benchmark des approches pertinentes en NLP / text mining.
contribuer, à terme, à la formulation d’unsignal «alpha»intégré dans les processus de gestion (optimisation de portefeuille).

Le stage s’inscrit dans une logique derecherche appliquée: au-delà du développement technique, le/la stagiaire sera attendu(e) sur sa capacité à challenger les approches existantes, proposer des pistes d’amélioration et faire progresser le projet sur le fond comme sur sa mise en œuvre.

Apport du stage :

Au sein de l’équipe, le/la stagiaire contribuera au développement d’un projet Machine Learning d’analyse documentaire appliqué à la gestion d’actifs (et plus particulièrement à la gestion thématique). L’objectif est de faire émerger des signaux quantitatifs exploitables pour l’analyse sectorielle/thématique et l’aide à la décision d’investissement.

Travailler sur un cas concret en data science dans le secteur de la gestion d’actif