Applied Scientist

En tant qu'Applied Scientist, vous êtes la force motrice de la phase de recherche et de développement des modèles d'IA, en assurant l'alignement entre les avancées technologiques et les objectifs stratégiques de l'entreprise.

Responsabilités clés

1. Recherche et développement de modèles IA/ML (Phase de recherche) :

• Mener la recherche, l'évaluation et l'expérimentation de modèles d'IA et d'apprentissage automatique (par exemple, Deep Learning pour la recommandation, Gen-AI, NLP/Vision pour la recherche) afin de résoudre des problèmes commerciaux complexes.

• Sélectionner les sources de données appropriées et déterminer les indicateurs clés à suivre et à optimiser

• Développer des prototypes et prouver la faisabilité ainsi que l'impact attendu des concepts avant leur industrialisation.

2. Collaboration et industrialisation (Phase de déploiement) :

• Travailler en étroite collaboration avec les ingénieurs en apprentissage automatique (MLE) pour garantir que les modèles développés sont robustes, évolutifs et prêts pour le déploiement en production.

• Contribuer activement à la phase de déploiement et d'intégration des modèles dans l'architecture technique (Snowflake, AWS).

3. Suivi et amélioration continue :

• Participer au suivi des modèles en production, en se concentrant sur la détection des dérives (drift) et la dégradation des performances.

• Concevoir et proposer des itérations (tests A/B) pour optimiser en continu les performances des produits d'IA.

4. Expertise et transmission des connaissances :

• Assurer une veille technologique constante sur les avancées en IA/ML.

• Documenter et partager les connaissances et les meilleures pratiques au sein de l'équipe et avec les autres parties prenantes (Chefs de produit, Métier).

Compétences techniques et expérience :

• Solide expertise en statistiques, apprentissage automatique et apprentissage profond (par ex., modèles de recommandation, NLP, vision par ordinateur, Gen-AI).

• Une expérience préalable avec une entreprise de type place de marché (marketplace) sera valorisée.

• Maîtrise des langages de programmation courants pour la Data Science (Python, SQL).

• Familiarité avec les environnements de cloud computing (AWS) et les plateformes de données (Snowflake).

• Expérience dans la conduite de travaux de recherche :

  • a. Formulation d'hypothèses de recherche.

  • b. Mise en œuvre de méthodologies d'expérimentation (analyse hors ligne, tests A/B) pour les tester.

  • c. Analyse statistique des résultats.

• You are fluent in English 🇬🇧