Maîtrise des concepts principaux en statistiques : théories des tests, économétrie, probabilités, ... ? Maîtrise des concepts principaux en machine learning : processus d?entraînement d?un modèle, comment éviter le sur-apprentissage, comment échantillonner les données, ...? Apprentissage supervisé : maîtrise des méthodes d?arbre de décisions, de bagging, boosting, de régression pénalisée, ... ? Clustering : maîtrise des méthodes de kmeans, CAH, DBSCAN, ... ? Maîtrise des méthodes de deep learning : réseaux denses, réseaux convolutifs, ... ? Maîtrise de SQL. ? Maîtrise de Python : librairies classique en data science (pandas, numpy, scikit-learn, matplotlib, ...), création d?environnements virtuels. ? Connaissance en recherche opérationnelle ? Expérience avec un cloud provider : AWS, GCP ou Azure ? Expérience dans l?encadrement de projet data science. ? Connaissance sur les outils de dashboarding (PowerBI). ? Maîtrise de git. ? Savoir effectuer une recherche bibliographique. ? Savoir restituer ses travaux d?analyse et de modélisation.Profil candidat:Être rigoureux(se). ? Être empathique. ? Être diplomatique. ? Être persévérant(e). ? Savoir tirer des enseignements des remarques qui nous sont faites. ? Être curieux(se), avoir envie de progresser, s?intéresser aux autres sujetsMaster en Informatique, Mathématiques Appliquées ou Statistiques ? 6 ans d?expérience sur un poste similaire ? Avoir déjà développé plusieurs modèles de machine learning classique ? Avoir déjà développé au moins un modèle de deep learning ? Avoir mis en production un modèle de ml/dl
