Stage - Data Scientist F/H

JCDecaux; Neuilly-sur-Seine; Hybride; EUR 48 000 - 75 000; Plein temps

Résumé du poste

JCDecaux souhaite renforcer son équipe Data & Tech avec un profil Data Scientist capable de concevoir et évaluer des solutions de Data Science répondant à des problématiques opérationnelles concrètes.

Les missions couvrent lExploration et préparation des données, la Modélisation et expérimentation, la Reproductibilité et les bonnes pratiques ML, et la Valorisation des résultats par des visualisations et prototypes destinés aux métiers.

Qualifications

• Maîtrise des concepts de data science, exploration et préparation des données.
• Conception et évaluation de solutions de ML et de statistiques pour des problématiques opérationnelles.

Responsabilités

• Exploration, préparation et qualification des sources de données métier.
• Modélisation et expérimentation (régression, classification, clustering, séries temporelles).
• Structuration des expérimentations en Python (notebooks ou modules réutilisables).
• Veille et amélioration des pratiques ML (réplication, versionnement des modèles, MLOps).
• Valorisation des résultats : visualisations et synthèses pour les métiers.

Connaissances

Python

Statistiques

Machine Learning

Visualisation de données

Outils

Jupyter notebooks

Description du poste

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.