BH 17563 - Scientifique de données

BH 17563 - Scientifique de données
Systematix est à la recherche d’un Scientifique de données pour l’un de ses clients.

Le candidat idéel possède les habiletés et expériences suivantes :

• Détenteur d’un baccalauréat en sciences des données ou une formation équivalente
• Détenteur d’un diplôme d’études supérieures en sciences des données (maîtrise, doctorat)
• Expérience professionnelle pertinente d’au minimum 3 années
• Excellent esprit d’analyse et de synthèse
• Excellente capacité à apprendre, grande curiosité intellectuelle
• Habileté à travailler en équipe et sur des projets collaboratifs multisectoriels
• Proactivité, faire preuve d’autonomie, capacité d’innovation et créativité
• Habileté à visualiser les données, ainsi que les résultats, et ce, de manière à contribuer au «storytelling»
• Capacité à produire des rapports synthétisant les différentes étapes et conclusions d’un projet.

Atouts

• Familiarité avec les méthodologies agiles (Scrum, Kanban, …)
• Familiarité avec l’informatique théorique et les bonnes pratiques de programmation (POO, structures de données, recherche binaire, programmation récursive, optimisation, benchmarking, …)
• Familiarité avec les bonnes pratiques de développement logiciel (versionnage du code source, git, réutilisation du code, peer review, docstrings, …)
• Familiarité de base avec les technologies et plateformes DevOps (Azure DevOps, GitHub, GitLab, …)
• Familiarité avec l’inférence statistiques (test d’hypothèses, intervalle de confiance, p-valeur)
• Familiarité avec la statistique descriptive (mesure de tendance centrale, mesure de dispersion, identification des valeurs aberrantes, mesures de corrélation, …)
• Familiarité avec les algorithmes de science des données et d’apprentissage machine (modèles linéaires généralisés, boosting, NLP, clustering, chaînes de Markov, …)
• Familiarité avec la recherche et l’innovation appliquée en science des données
• Familiarité avec les bonnes pratiques de modélisation prédictive (partitionnement des données, leakage, données débalancées, validation croisées, hyper optimisation, sélection des attributs prédictifs, métriques de performances, model fairness, model drift, …)
• Familiarité avec les méthodes d’optimisation numérique (méthode de Newton, algorithmes génétiques, Simplex, VNS, …)
• Excellente familiarité avec la programmation Python (sklearn, numpy, pandas, …)
• Familiarité avec les techniques d’intelligence artificielle (réseaux de neurones, apprentissage par renforcement, …)
• Familiarité avec la programmation SQL (queries, stored proc, …)
• Familiarité avec le développement web (django, html, css, javascript/jquery, …)
• Familiarité avec Azure Databricks et Azure ML
• Familiarité avec le markdown, LaTeX, LyX.

Responsabilités du mandat :

• Exploration, modélisation et développement de solutions prédictives dans un mode collaboratif? avec intervenants multiples (affaires, TI, légal, …);
• Participer aux communautés de pratique;
• Partager des connaissances et contribution à la montée en compétences de l’équipe;
• Accompagnement des équipes analytiques sectorielles (meilleures pratiques, peer review, configuration du dépôt de code, stratégie de gestion des branches, …);
• Participer à la mise en production des modèles prédictifs avec les ingénieurs DevOps et MLOps;
• Contribuer à la maintenance et au support étendue des modèles prédictifs en production (monitoring, model drift, piste d’amélioration, …);
• Participer à produire la documentation, les rapports ainsi qu’à la communication des résultats des analyses aux partenaires;
• Être à l’affût des nouvelles tendances en lien avec l’analytique avancée.

Si des opportunités dans le domaine de la consultation vous intéressent, Systematix pourrait aussi vous offrir un poste permanent. Contactez-nous!

* Seules les candidatures retenues seront contactées. Merci de

votre intérêt!