POSTE : Ingénieur Data H/F DESCRIPTION : Contexte Dans le cadre du développement de nos activités, nous recherchons un(e) Data Scientist / Machine Learning Engineer pour intervenir sur des problématiques avancées de modélisation des choix clients et de segmentation à grande échelle, appliquées au secteur aérien. Vous évoluerez à l'intersection de la data science, du machine learning, du big data et de la modélisation comportementale. Missions - Concevoir et industrialiser une chaîne complète de Discrete Choice Modeling, notamment avec des modèles Multinomial Logit (MNL). - Développer et évaluer des Latent Class Models (LCM) afin d'identifier les différents profils et préférences des voyageurs. - Explorer des approches avancées de modélisation et de segmentation : - Mixed Logit ; - Random Forests ; - GBDT embeddings ; - HDBSCAN. - Mettre à l'échelle l'entraînement des modèles avec PyTorch, Spark et Databricks. - Optimiser les performances des traitements en matière de temps d'exécution, de consommation mémoire et de coûts. - Concevoir et améliorer les pipelines de traitement des données et d'entraînement des modèles. - Connecter les données issues d'ADLS et de Databricks à Power BI. - Produire des reportings et des analyses permettant d'accompagner la prise de décision. - Analyser les comportements des voyageurs : sensibilité au prix, préférences horaires, type d'appareil, nombre d'escales, etc. - Comparer différentes stratégies de modélisation et de segmentation au sein d'un framework scalable. - Challenger les méthodes existantes et proposer des alternatives robustes, scientifiquement fondées et adaptées à la mise en production. Pour agap2IT, tous les talents comptent. Nous traitons les candidatures dans l'égalité des chances dans un objectif d'inclusion et de diversité de nos collaborateurs. Si vous êtes en situation de handicap, n'hésitez pas à nous poser vos questions et à postuler. PROFIL : - Formation supérieure en data science, statistiques, mathématiques, informatique ou équivalent. - Expérience en machine learning et en modélisation statistique. - Bonne compréhension des modèles de choix discrets et/ou des problématiques de segmentation. - Maîtrise de Python et d'un ou plusieurs frameworks de traitement ou d'entraînement distribué. - Capacité à travailler sur des jeux de données volumineux. - Esprit analytique, curiosité scientifique et capacité à remettre en question les approches existantes. - Sensibilité aux problématiques d'industrialisation, de performance et de mise en production des modèles.