Senior Data Scientist H/F

En tant que Senior Data Scientist , vous serez responsable des missions suivantes : - Développement de modèles prédictifs et prescriptifs : Concevoir et entraîner des modèles de Segmentation Client (clustering, RFM, profilage comportemental). Développer des moteurs de Recommandation personnalisée (filtres collaboratifs, basés sur le contenu, systèmes hybrides) pour améliorer le cross-sell et l'upsell. Développer des modèles de Prédiction et de Détection : Churn, appétence, scoring risque, prévision des volumes de transactions et détection d'anomalies / règles comportementales pour la lutte contre le blanchiment d'argent (AML / Anti Money Laundering) - Ingénierie de la donnée et des modèles : Collaborer avec les Data Engineers pour définir les features et préparer les pipelines d'entraînement nécessaires à partir du Datalakehouse (Cassandra, Hive, etc.). Mettre en œuvre les bonnes pratiques de MLOps : versioning des modèles, automatisation du déploiement, monitoring des performances en production (drift, biais). - Apport de valeur métier : Traduire les besoins métier (ex: réduire le churn, augmenter le taux de conversion) en problématiques Data Science. Interpréter les résultats des modèles et communiquer les insights aux Product Owners et parties prenantes métier. Contribuer à l'enrichissement des systèmes sources et du Datalakehouse avec des données prédictives. Formation : Diplôme d'Ingénieur (Bac+5) avec une spécialisation en Data Science, Intelligence Artificielle ou Statistique/Mathématiques appliquées. Expérience : 3 à 5 ans d'expérience confirmée sur des projets similaires de modélisation prédictive et de systèmes de recommandation. Compétences Techniques : Maîtrise du ML : Algorithmes classiques (régression, classification, clustering, séries temporelles) et Deep Learning (si applicable). Frameworks IA : Maîtrise des bibliothèques Python (Scikit-learn, Pandas, XGBoost, TensorFlow ou PyTorch). Big Data & Outils : Connaissance des environnements distribués (Spark/PySpark) et des bases de données NoSQL (Cassandra, MongoDB). Ops & CI/CD : Familiarité avec les environnements de conteneurisation (Docker) et la gestion de cycle de vie des modèles (MLOps). Écosystème technologique : Plateforme Data Cloudera, Architecture Microservices, Kafka, API Gateway (Axway), Keycloak. Méthodologie : Travail en mode Agile (Scrum of Scrums, Comités de suivi hebdomadaires). Collaboration : Équipe pluridisciplinaire (Data Engineers, Lead Tech, Product Owners, Experts métier). Rejoindre Devoteam, c’est : Évoluer sur des projets stratégiques autour de la donnée Bénéficier d’un accompagnement personnalisé pour le développement de vos compétences et certifications Travailler dans un environnement stimulant, collaboratif et bienveillant