Data scientist confirmé (H/F)

Askills est un cabinet de conseil en informatique spécialisé dans les métiers de la Data sur toute la chaine du traitement de données. Nos services s'articulent autour des 5 pôles suivants:

• Architecture Data
• Ingénierie Data
• Data Visualisation
• Data science
• Développement Agile

 
Chacun de nos experts techniques dispose d’une connaissance profonde des technologies
et des bonnes pratiques pour animer un projet, lui donner du sens et le mener vers le succès.

Activités :
• Participation à des ateliers avec des experts métiers pour collecter le besoin et comprendre les données
• Conception et développement de traitements de données à forte valeur ajoutée (Data Management, Data Quality, Machine Learning, etc.)
• Présentation de résultats sous la forme de rapports d’étude ou de tableaux de bord
• Développement d’outils de visualisation de données pour faciliter les analyses (à destination de lui-même, des PO/développeurs de l’équipe, voire des utilisateurs métier destinataires du POC)
• Documentation des traitements en vue d’une industrialisation
• Participation aux cérémonies d’équipe

Profil BAC + 5 de type ingénieur ou master, avec une spécialité en data science
• Expertise sur un langage de traitement de données (Python ou R)
• Maîtrise de Spark (via PySpark ou Scala)
• Capacité d’extraire des données de n’importe quelle source en utilisant les outils adaptés : - SQL pour des bases relationnelles - Des packages R ou Python pour des fichiers au format JSON ou XML par ex
• Expertise sur les méthodes de traitement de données (data management) :
- Consolidation d’informations issues de sources hétérogènes
- Utilisation de l’ensemble de package R tidyverse, notamment de dplyr (ou équivalent en python)
- Méthodes de mise en qualité des données
• Maîtrise des outils de visualisation de données disponibles dans l’environnement R : ggplot2, shiny, leaflet, etc. (ou équivalent en python)
• Expertise sur les techniques de data science : text mining, graph mining, apprentissage supervisé/non supervisé, techniques avancées de machine learning et deep learning, mesures de performance, échantillonnage, etc.
• Capacité à appréhender des systèmes complexes, notamment d’un point de vue télécom et IT
• Maîtrise des outils et méthodes DataOps / MLOps (CI/CD, Model Registry, Model Serving, etc.)