Data Scientist - Modélisation Statistique (It) / Freelance

Intégré chez nos clients Grands Comptes dans les secteurs Banque, Assurance, Energie, Industrie, etc., nous attendons de vous que vous maîtrisiez : * L'architecture fonctionnelle et applicative ; * L'architecture d'entreprise et les règles et principes d'architecture ; * Les activités du marché mondial et/ou du secteur bancaire mondial. Plus généralement, vos missions peuvent varier en fonction du périmètre qui vous sera confié chez le client, et du type de projet à mener. Parmi les principales, on pourra citer : * Challenger les nouveaux besoins des clients et les inclure dans la roadmap/release management ; * Collaboration avec les métiers pour définir et mettre en œuvre les Data Product répondant à des besoins métiers spécifiques, en garantissant la qualité et l'accessibilité des données ; * Évaluer l'architecture de gestion de données existante ; * Réaliser les travaux d'architecture fonctionnelle et technique des solutions cibles ; * Structurer l'information du système d'information ; * Créer et gérer les modèles de données sous toutes leurs formes, conformément à la politique du référentiel de données ; * Contribuer et enrichir le référentiel d'architecture des données ; * Préconiser des solutions techniques de stockage et de gestion de Big Data ; * Mettre en place des outils pour faciliter l'usage des données dans l'entreprise ; * Assurer la conformité des solutions proposées avec la réglementation RGPD ; * Surveiller l'efficience des BDD et proposer des mesures correctives ou évolutives.

À votre arrivée, que vous soyez expérimenté, junior ou en reconversion professionnelle, vous bénéficiez d'une formation pour devenir incontournable sur le métier, et vous continuez à vous former, tout au long de votre carrière, grâce au Campus by BSK. Être Conseiller immobilier indépendant chez BSK, c'est être votre propre patron, gérer votre équilibre pro/perso et être rémunéré à la hauteur de vos efforts Vos défis du quotidien - Vous assurez la prospection pour trouver des biens à la vente - Vous accompagnez les projets de ventes de vos clients et vous occupez de la prise de mandats - Vous organisez des visites avec vos potentiels acquéreurs - Vous réalisez le rêve de nombreuses personnes, en trouvant LE bien qu'ils recherchent - Vous choisissez de créer (ou non) votre propre équipe et accompagnez vos filleuls dans leur réussite Notre recrutement en 5 étapes : - Vous remplissez notre formulaire ci-dessous pour une 1 prise de contact - On signe ensemble votre contrat - Vous créez votre entreprise avec l'accompagnement de notre équipe pour 0 prise de tête - Vous démarrez votre parcours formation (Loi ALUR), offert par BSK - Vous finalisez votre dossier, et voilà ! Vous faites officiellement partie de la famille BSK, félicitations !

Contexte Dans le cadre de projets data en environnement on-premise, nous recherchons un Développeur Big Data confirmé maîtrisant l'écosystème Cloudera pour intervenir sur le traitement de données batch à forte volumétrie. Livrables * Développer et optimiser des traitements batch sur plateforme Cloudera. * Implémenter des jobs Spark (Scala) et des requêtes Hive. * Assurer la maintenance et l'amélioration des pipelines existants. * Participer aux revues de code, aux tests et à l'industrialisation.

Périmètre de la consultation : Prestations attendues Activités principales du data scientist : * Comprendre les cas d'usage * Participer aux réunions de cadrage des besoins avec le chef de projet DPIT * Apporter une expertise et évaluer la pertinence de l'IA pour le besoin * Réaliser une première estimation de l'effort nécessaire au développement d'une solution * Développer des POC (Proof of Concept) pour démontrer la faisabilité et la performance, Collecte de données : * Identifier les sources de données (internes et externes) * Extraire les données depuis des bases de données, des API, des fichiers texte, des documents Word/PDF, via du web scraping, des données semi-structurées, etc. Préparation et nettoyage des données : * Nettoyer les données : corriger ou supprimer les données corrompues/incorrectes, gérer les valeurs manquantes, supprimer les doublons * Transformer les données : normaliser les formats, mettre à l'échelle, encoder les variables catégorielles Ingénierie des caractéristiques (Feature Engineering) : * Extraire, créer et sélectionner les caractéristiques pertinentes à partir des données brutes Traitement du langage naturel (NLP) : * Extraire, nettoyer et transformer le texte issu de documents non structurés Exploration et visualisation des données : * Réaliser une analyse exploratoire des données (EDA) * Détecter des motifs et tendances pour formuler des hypothèses et identifier des relations causales potentielles Modélisation et développement : * Utiliser Python pour développer des applications et des interfaces utilisateur de base * Sélectionner les algorithmes de ML/DL appropriés * Entraîner les modèles et ajuster les paramètres * Valider les modèles via la validation croisée pour éviter le surapprentissage (overfitting) * Instancier des modèles de langage pré-entraînés (LLMs, embeddings, rerankers, etc.) et les intégrer dans des solutions complexes comme le RAG (Retrieval-Augmented Generation) Maîtrise des bibliothèques Python clés : * Manipulation de données : Pandas, Polars, Dask, PySpark * NLP : NLTK, SpaCy * Machine Learning : Scikit-Learn, XGBoost, LightGBM * Deep Learning : PyTorch * IA Générative : Ollama, Transformers, SentenceTransformers, Langchain, LlamaIndex Évaluation des modèles : * Utiliser des métriques de performance : précision, rappel, F1 score, AUC-ROC, Matthews, RMSE, MAE, R², MAPE, Silhouette, etc. * Analyser les erreurs de prédiction pour identifier les faiblesses et les axes d'amélioration Déploiement des modèles : * Collaborer avec les équipes d'ingénierie pour intégrer les modèles en production * Automatiser les pipelines de données du stockage à l'inférence * Développer des API pour permettre l'accès aux modèles par d'autres systèmes ou utilisateurs Surveillance et maintenance : * Surveiller les performances des modèles en production et détecter toute dégradation * Mettre à jour et réentraîner régulièrement les modèles pour maintenir leur performance face aux nouvelles données et aux évolutions Documentation et communication : * Documenter les processus, méthodologies, choix de conception et résultats des modèles * Présenter les analyses et résultats aux parties prenantes avec des visualisations claires et un langage accessible * Rédiger des rapports et préparer des présentations pour partager les conclusions et recommandations Recherche et développement : * Se tenir informé des dernières avancées en algorithmes, techniques de ML et outils * Prototyper et expérimenter de nouveaux modèles et approches pour résoudre des problèmes complexes ou améliorer les performances Collaboration : * Travailler avec des experts métier, des analystes business et d'autres parties prenantes pour comprendre les besoins et contraintes spécifiques