Chez MPdata, nous sommes une équipe passionnée d'experts en données, spécialisée dans l'acquisition, le traitement et la valorisation des données pour nos clients industriels. Depuis 2015, nous mettons notre savoir-faire technique et notre engagement au service de missions et de projets pour les grands groupes. Notre approche repose sur les valeurs d'Excellence, de Partage et d'Engagement. Nous recherchons un(e) Data Scientist pour intervenir au près d'un de nos clients industriel spécialisé dans la fabrication de pièce pour le secteur de l'Energie. En tant que Data Scientist, vous serez responsable de concevoir, développer et déployer des solutions d'analyse de données avancées permettant de soutenir les décisions stratégiques de l'entreprise. Vous jouerez un rôle clé dans l'industrialisation des modèles et l'accompagnement des équipes métiers. Vos missions : - Analyser, structurer et valoriser des jeux de données internes et externes. - Développer des modèles de machine learning (prédiction, détectiob, scoring, Computer vision, etc.). - Concevoir des pipelines de traitement de données robustes et automatisés. - Travailler sur la mise en production des modèles dans un environnement scalable et industrialisé. - Créer des APIs pour exposer les modèles (FastAPI, Flask). - Assurer le suivi post-déploiement : monitoring, versioning, réentraînement, performance. - Collaborer avec les Data Engineers, DevOps et Product Owners pour garantir la cohérence de bout en bout. Ingénieur d'une grande école (Centrale, Mines, Supaero, Supelec, .), vous avez des connaissances en modélisation et machine learning (deep learning, random forest, svm.) acquises lors de vos expériences passées. Vous avez de bonnes connaissances en Python (ou R) pour coder ces algorithmes. Vous êtes reconnu(e) pour votre autonomie, votre excellent relationnel et votre capacité à être force de proposition. - Solide maîtrise de Python et des librairies ML (Scikit-learn, XGBoost, TensorFlow ou PyTorch). - Expérience en mise en production de modèles ML (APIs, CI/CD, containerisation). - Bonne connaissance des bases de données (SQL, NoSQL) et des outils de data pipeline (Airflow, Spark, etc.). - Compétences en MLOps : versioning de modèles, monitoring, déploiement cloud (AWS, GCP, ou Azure). - Aisance dans l'analyse métier et la vulgarisation des résultats. - Goût pour l'optimisation, la performance et la qualité logicielle Déroulement des entretiens : 1 - Prise de Contact (15min par téléphone) 2 - Entretien avec un Ingénieur d'affaires (45 min) 3 - Test technique 4 - Entretien Technique (1h) 5 - Visite des locaux au DataLab à Boulogne-Billancourt