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. - 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.