Accelerator Data Science (It) / Freelance - Paris - Plein temps (> 32 heures)

WINSIDE Technology

Non renseigné

MISSION

Collaborer avec les équipes métier pour comprendre les exigences et les traduire en besoins techniques. Appliquer son expertise en science des données (apprentissage automatique, statistiques, prévisions et optimisation) à de multiples projets/produits d?IA. Collecter et organiser des données volumineuses et complexes, et réaliser des analyses pertinentes pour proposer et mettre en ?uvre des modèles de données pertinents pour chaque cas d?utilisation. Créer des modèles, des algorithmes, des simulations et des expériences en écrivant du code hautement optimisé et en utilisant des technologies d?apprentissage automatique de pointe. Intervenir sur l?ensemble des activités, des expériences d?apprentissage automatique à la livraison de modèles prêts à la production. Exploiter l?analyse, la visualisation, le storytelling et les technologies de données pour définir le périmètre, la conception et la livraison de produits de données basés sur l?IA. Collaborer avec les développeurs, les ingénieurs et les équipes MLOps pour fournir des solutions d?IA/apprentissage automatique. Compétences techniques : Expérience en génération augmentée par récupération (RAG) Conception et mise en ?uvre de pipelines RAG pour améliorer les capacités des LLM grâce à des connaissances externes. Optimisation des modèles pour combiner les résultats de la récupération avec les sorties génératives. Connaissance des frameworks agentiques Création de systèmes où les LLM agissent comme des agents capables de raisonner et d'interagir avec des API/outils. Maîtrise des frameworks tels que LangChain ou d'architectures pilotées par agents similaires. Ingénierie des invites et apprentissage en quelques coups Création d'invites efficaces pour des tâches spécifiques, en exploitant les paradigmes en quelques coups et en zéro coup. Optimisation des invites pour des performances accrues, une meilleure clarté et une consommation de jetons réduite. Maîtrise des frameworks d'évaluation des LLM (par exemple, OpenAI Evals, métriques personnalisées). Fondamentaux du traitement automatique du langage naturel (TALN) Compréhension des architectures basées sur des transformateurs (par exemple, GPT, BERT, T5). Connaissance de la tokenisation, des intégrations et des paradigmes de pré-apprentissage/optimisation. Construction de pipelines TALN pour la classification, la synthèse et la reconnaissance d'entités de textes. Maîtrise des graphes de connaissances et de la recherche sémantique Construction et intégration de graphes de connaissances pour la recherche structurée d'informations. Exploitation de la recherche sémantique pour une meilleure précision dans la compréhension de documents à grande échelle.