Descriptif du poste:\n\nMissions principales\n* Concevoir, développer et valider les solutions algorithmiques exploitant les données industrielles : modèles d'apprentissage, algorithmes d'optimisation et d'aide à la décision, ou combinaison des deux - un modèle appris pouvant servir de modèle interne à une boucle d'optimisation. Ces solutions sont pensées dès l'origine pour être reproductibles au-delà de leur site ou de leur client d'origine.\n \n* Déployer ces solutions et en assurer le maintien en condition opérationnelle : suivi de performance en exploitation, diagnostic des écarts, recalibrage et évolution, en co-responsabilité avec l'ingénieur ML/DevOps.\n \n* Apporter au chefs de projet un appui sur la faisabilité technique : disponibilité et qualité de la donnée nécessaire, choix de l'approche algorithmique, limites de la solution, estimation de charge.\n \n* Capitaliser sur les développements et diffuser les pratiques au sein de l'équipe : briques algorithmiques réutilisables, revues de code, veille technologique, partage de connaissances.\n \n\nProfil recherché:\n\nEnvironnement technique de l'équipe\nPython scientifique (pandas, NumPy, scikit-learn) - SQL et bases de données relationnelles - Git et pratiques de développement collaboratif - conteneurisation (Docker)\nFormation et expérience\n* Formation supérieure Bac+5 : école d'ingénieur ou master en data science, apprentissage automatique, automatique, recherche opérationnelle, mathématiques appliquées ou informatique\n* Plus de 3 ans d'expérience en conception de solutions algorithmiques appliquées, dont une expérience significative de solutions effectivement mises en production\nCompétences techniques indispensables\n* Solide maîtrise de Python et des bibliothèques scientifiques associées\n* Compétences en modélisation statistique et apprentissage automatique, et/ou en optimisation sous contraintes, avec un vrai sens de la validation\n* Aptitude à travailler sur des données réelles, bruitées et incomplètes\n* Pratiques de développement logiciel : code testé, versionné, documenté, pensé pour être exploité par d'autres\n* Anglais lu et parlé\nCompétences techniques appréciées\n* Capacité à articuler apprentissage et optimisation au sein d'une même solution\n* Expérience de l'industrialisation et du suivi en production de solutions algorithmiques (MLOps)\n* Expérience de solutions déployées sur plusieurs sites ou chez plusieurs clients\n* Une expérience en environnement industriel, ou une exposition à des données de procédé, constitue un atout important\nCompétences comportementales\n* Rigueur et esprit critique : savoir douter d'un résultat trop beau, tracer ses hypothèses, reconnaître les limites d'une solution\n* Sens du concret : préférer une solution simple qui fonctionne en exploitation à une approche sophistiquée qui reste au stade du démonstrateur\n* Culture produit : penser dès la conception à la réutilisation, ce qui est construit pour un site doit pouvoir servir ailleurs\n* Curiosité pour le procédé industriel : envie d'aller en salle de contrôle, de comprendre ce que mesure réellement un capteur et d'écouter ceux qui conduisent l'installation\n* Sens du collectif : travail en équipe pluridisciplinaire, transmission, capacité à faire progresser les autres\n* Autonomie et responsabilité : assumer ses développements jusqu'à leur exploitation en production