Nous sommes à la recherche d'un(e) Senior Machine Learning Engineer spécialisé(e) dans l'analyse de séries temporelles pour rejoindre notre équipe dynamique et en pleine croissance. Vous jouerez un rôle déterminant dans le développement et l'optimisation du machine learning, en mettant l'accent sur l'analyse des séries temporelles, la classification des anomalies et la modélisation prédictive. Vous tirerez parti de votre solide expertise en codage pour créer des modèles efficaces et performants tout en utilisant le MLOps pour assurer une intégration transparente dans les environnements de production. Vous travaillerez en étroite collaboration avec une équipe de data scientists et d'ingénieurs en machine learning sur des projets révolutionnaires qui repoussent les limites de l'intégration de l'IA dans les technologies spatiales pour des applications de surveillance de la santé des satellites. Vous aurez un impact direct sur nos services avancés basés sur des séries temporelles, soutenant des projets de R&D et le développement de produits. Votre rôle sera essentiel pour affiner nos méthodologies et nos flux de travail, et pour garantir la robustesse et la production de nos modèles. Nous valorisons les ingénieurs intelligents, motivés et avec un esprit d'équipe, passionnés par la résolution de problèmes et l'impact de leur travail. Une expérience en analyse de séries temporelles est essentielle, mais ce qui compte le plus, c'est votre passion pour la technologie, votre volonté d'innover et votre engagement à contribuer à des solutions de pointe dans l'avenir des solutions de surveillance de la santé spatiale et de détection des anomalies : -Développer, mettre en œuvre et optimiser des modèles de machine learning et de deep learning spécialement conçus pour les données de séries temporelles, mais sans s'y limiter, afin d'extraire des informations exploitables pour les applications de maintenance prédictive et de surveillance de l'intégrité. - Créer des modèles pour prédire les pannes d'équipement, détecter les anomalies et classifier les modèles d'intégrité opérationnelle, garantissant ainsi une maintenance proactive et minimisant les temps d'arrêt. - Participer activement à la conception et au développement de nouvelles fonctionnalités pour la surveillance de l'état et les cas d'utilisation de la maintenance prédictive, contribuant ainsi à l'innovation et à l'amélioration des produits. - Utiliser Python, C++ et les bibliothèques ML pertinentes (par exemple, PyTorch, TensorFlow) pour développer, entraîner et déployer des modèles de Deep Learning, en mettant l'accent sur les performances et la fiabilité élevées. -Manipuler et gérer des bases de données volumineuses, en garantissant un prétraitement et une analyse efficaces des données, un stockage et un accès pour l'entraînement et l'évaluation des modèles ML. Prétraiter les données de séries chronologiques à grande échelle, en veillant à l'extraction correcte des caractéristiques, en gérant les valeurs manquantes et en garantissant des données de haute qualité pour l'entraînement et l'évaluation des modèles ML. -Améliorer en permanence la précision et les performances des modèles, en appliquant les meilleures pratiques en matière de qualité logicielle, de contrôle de version et de test. -Traiter, analyser et visualiser des données, en générant des rapports détaillés, des cartes et des présentations pour diverses parties prenantes. -Contribuer au développement et au déploiement de modèles de machine learning dans les environnements de production, en tirant parti des approches MLOps pour assurer une intégration efficace et des opérations fluides. - Travailler en étroite collaboration avec des équipes interfonctionnelles pour obtenir des résultats de projet de haute qualité, en mettant l'accent sur le traitement précis des données, l'excellence technique et le respect des délais