Stage - Data Scientist F/H

Dans le cadre de sa transformation Data, JCDecaux développe des solutions permettant de mieux exploiter ses données au service des activités marketing, commerciales et opérationnelles.

Les domaines d'application couvrent notamment l'analyse des performances des campagnes publicitaires, la connaissance des audiences, l'optimisation des dispositifs d'affichage et l'amélioration des processus métiers.

Au sein de l'équipe Data & Tech, tu participeras à la conception et à l'évaluation de solutions de Data Science répondant à des problématiques opérationnelles concrètes.

1. Exploration et préparation des données

• Comprendre les sources de données et leur contexte métier.

• Explorer les données et identifier les tendances, anomalies et limites de qualité.

• Construire des jeux de données adaptés aux expérimentations.

• Collaborer avec les Data Engineers sur la préparation et la fiabilisation des données.

2. Modélisation et expérimentation

• Participer à la formalisation des problématiques métier et des hypothèses à tester.

• Développer et comparer des approches statistiques et de Machine Learning : régression, classification, clustering, prévision de séries temporelles.

• Définir des baselines et évaluer les performances à l'aide de métriques pertinentes.

• Contribuer à l'interprétation des résultats, à l'analyse des biais et à l'identification des limites des modèles.

3. Reproductibilité et bonnes pratiques ML

• Structurer les expérimentations en Python, sous forme de notebooks ou de modules réutilisables.

• Documenter les hypothèses, les features, les métriques et les résultats.

• Participer au suivi des expérimentations et au versionnement des modèles.

• Découvrir les principes du MLOps : cycle de vie des modèles, suivi de dérive et monitoring.

4. Valorisation des résultats

• Produire des visualisations et des synthèses compréhensibles par des interlocuteurs métier.

• Contribuer à la réalisation de prototypes ou de démonstrateurs.

• Présenter les conclusions et recommandations issues des expérimentations.

• Participer, avec l'équipe technique, à l'évaluation des conditions d'industrialisation d'un modèle.

Techniques

• Bonne maîtrise de Python et de ses bibliothèques Data Science : Pandas, NumPy, scikit-learn.

• Bases solides en statistiques, probabilités et Machine Learning.

• Connaissances en SQL ; pratique des notebooks et de Git.

• Compréhension des principes de préparation et de qualité des données.

Compétences appréciées

• Connaissances en séries temporelles et en évaluation de modèles.

• Sensibilité aux sujets MLOps, explicabilité et gouvernance des modèles.

• Intérêt pour les applications de l'IA aux problématiques métier.

Qualités personnelles

• Esprit analytique et démarche scientifique rigoureuse.

• Curiosité et capacité à remettre en question les résultats.

• Sens de la documentation et de la reproductibilité.

• Capacité à expliquer des sujets techniques simplement ; autonomie progressive et esprit d'équipe.

Livrables attendus

Selon le projet confié :

• Une analyse exploratoire documentée.

• Un ou plusieurs modèles comparés à une baseline.

• Un code Python structuré, versionné et reproductible.

• Un rapport d'évaluation présentant les performances et limites du modèle.

• Une démonstration ou une restitution des résultats auprès de l'équipe.

Encadrement et responsabilités

Le stagiaire intervient dans un cadre méthodologique et technique défini par l'équipe. Les choix structurants, la validation scientifique finale et les décisions de mise en production restent sous la responsabilité des référents désignés, du Tech Lead et des équipes concernées. Ce que ce stage t’apportera

Une expérience concrète de la Data Science en entreprise, depuis la compréhension d'un besoin métier jusqu'à l'évaluation d'un modèle, avec une sensibilisation aux exigences d'industrialisation, de reproductibilité et de gouvernance.