Employeur présent le 26 et 27 mars au Salon TAF secteur DIGITALENT - NUMERIQUE Nous recrutons un/e Machine Learning Engineer : 5 postes à pourvoir sur France entière Le/la Machine Learning Engineer sera chargé(e) de concevoir, de développer et d'implémenter des modèles d'apprentissage automatique afin de résoudre des problématiques complexes au sein de l'entreprise. Ce rôle nécessite une expertise technique dans le développement de modèles prédictifs, ainsi qu'une capacité à travailler avec de grandes quantités de données pour en extraire des insights précieux. Le/la Machine Learning Engineer collaborera avec les équipes de data science et de développement pour créer des solutions robustes et scalables. Les missions principales incluent : Développer et déployer des modèles d'apprentissage supervisé, non supervisé et par renforcement. Travailler avec des données massives (Big Data) et mettre en place des pipelines de traitement de données. Concevoir des algorithmes pour résoudre des problèmes d'optimisation, de classification, de régression, de clustering, etc. Collaborer avec les équipes Data Scientists et les développeurs pour intégrer les modèles dans les systèmes de production. Analyser les performances des modèles, effectuer des ajustements et améliorer les résultats obtenus. Assurer le suivi de la mise en production des modèles et optimiser les solutions pour des environnements à grande échelle. Rester à jour sur les dernières avancées en Machine Learning et Deep Learning pour proposer des solutions innovantes. Diplôme Bac+5 en informatique, intelligence artificielle, data science, ou domaine similaire Minimum de 3 ans d'expérience en tant que Machine Learning Engineer ou dans un rôle similaire. Connaissances : Maîtrise des algorithmes de Machine Learning (régression, classification, clustering, réseaux de neurones, etc.). Expérience avec des frameworks de Deep Learning tels que TensorFlow ou PyTorch. Bonne maîtrise des langages de programmation utilisés en Machine Learning (Python, R, SQL). Connaissance des outils Big Data (Hadoop, Spark, etc.) et des bases de données NoSQL. Compétences en gestion des données, nettoyage, et préparation des jeux de données pour l'entraînement des modèles. Compétences en optimisation de modèles et validation croisée