Stage - Data Scientist F/H

JCDecaux; France; Remote; EUR 20,000 - 32,000; Full time

Job summary

JCDecaux, acteur clé de l’affichage publicitaire, transforme ses données pour optimiser ses campagnes et opérations. Au sein de l’équipe Data & Tech, vous contribuerez à concevoir et évaluer des solutions de Data Science pour des problématiques opérationnelles concrètes.

Les missions couvrent l’exploration et la préparation des données, la modélisation et les expérimentations (régression, classification, clustering, prévision temporelle), puis les aspects reproductibilité et MLOps, avec

Qualifications

• Comprendre les sources de données et leur contexte métier.
• Explorer les données, repérer tendances, anomalies et limites de qualité.
• Concevoir des jeux de données pour les expérimentations.

Responsibilities

• Participer à la formalisation des problématiques métier et hypothèses.
• Développer et comparer des approches statistiques et de machine learning (régression, classification, clustering, séries temporelles).
• Définir baselines et évaluer les performances avec des métriques pertinentes.
• Structurer les expérimentations en Python et documenter les hypothèses et résultats.
• Participer au suivi des expérimentations et au versioning des modèles.

Skills

Statistiques

Machine Learning

Python

Tools

Python

Job description

Dans le cadre de satransformation Data, JCDecaux développe des solutions permettant de mieuxexploiter ses données au service des activités marketing, commerciales etopérationnelles.

Les domainesd'application couvrent notamment l'analyse des performances des campagnespublicitaires, la connaissance des audiences, l'optimisation des dispositifsd'affichage et l'amélioration des processus métiers.

Au sein de l'équipe Data& Tech, tu participeras à la conception et à l'évaluation de solutions deData Science répondant à des problématiques opérationnelles concrètes.

1. Exploration et préparation desdonnées

• Comprendre les sources de données et leur contextemétier.


• Explorer les données et identifier les tendances,anomalies et limites de qualité.


• Construire des jeux de données adaptés auxexpérimentations.


• Collaborer avec les Data Engineers sur lapréparation et la fiabilisation des données.

2. Modélisation et expérimentation

• Participer à la formalisation des problématiquesmétier et des hypothèses à tester.


• Développer et comparer des approches statistiqueset de Machine Learning : régression, classification, clustering, prévision deséries temporelles.


• Définir des baselines et évaluer les performancesà l'aide de métriques pertinentes.


• Contribuer à l'interprétation des résultats, àl'analyse des biais et à l'identification des limites des modèles.

3. Reproductibilité et bonnes pratiques ML

• Structurer les expérimentations en Python, sousforme de notebooks ou de modules réutilisables.


• Documenter les hypothèses, les features, lesmétriques et les résultats.


• Participer au suivi des expérimentations et auversionnement des modèles.


• Découvrir les principes du MLOps : cycle de viedes modèles, suivi de dérive et monitoring.

4. Valorisation des résultats

• Produire des visualisations et des synthèsescompréhensibles par des interlocuteurs métier.


• Contribuer à la réalisation de prototypes ou dedémonstrateurs.


• Présenter les conclusions et recommandationsissues des expérimentations.


• Participer, avec l'équipe technique, àl'évaluation des conditions d'industrialisation d'un modèle.