Role overview
Qui sommes-nous ?
Chez Astridsen, nous sommes un collectif d’entrepreneurs, convaincu par un modèle de société d’ingénierie prônant l’expertise et l’accomplissement de chacun dans son environnement.
Astridsen est une société de conseil en ingénierie spécialisée dans les secteurs à forte technicité : énergie, industrie, défense, infrastructures et numérique. Nous accompagnons nos clients sur toutes les étapes de leurs projets, de la conception à la mise en service, avec une exigence constante de qualité, de sécurité et de performance technique le tout en apportant une expertise technique pointue..
What you'll work on
- Conception et entraînement de modèles ML/IA : analyser les besoins métiers, préparer et explorer les données, sélectionner les algorithmes et développer des modèles adaptés aux cas d’usage identifiés.
- Industrialisation et MLOps : mettre en place des pipelines automatisés (CI/CD, gestion des versions, monitoring), assurer la scalabilité et la fiabilité des modèles en production.
- Déploiement et intégration : livrer les modèles dans les environnements techniques des directions métier, garantir leur interopérabilité et performance opérationnelle.
- Suivi et amélioration continue : monitorer la qualité, détecter les dérives de données ou de performance, réentraîner et optimiser les modèles selon l’évolution des besoins et des contextes métiers.
What we're looking for
- Diplômé d'une école d'ingénieur ou d'un M2 en informatique - data - machine learning
- 3 ans d'expérience sur activités similaires
- Compétences techniques : maîtrise des langages Python/SQL, des frameworks ML (TensorFlow, PyTorch, Scikit-learn) et des outils MLOps (MLflow, Kubeflow, Airflow, Docker, Kubernetes, Git).
- Expertise en data science : forte capacité d’analyse statistique et algorithmique, expérience en entraînement et optimisation de modèles, compréhension des enjeux de data engineering.
- Culture DevOps et industrialisation : expérience en déploiement continu, déploiement cloud, monitoring et automatisation des pipelines de production.
- Orientation métier et communication : capacité à comprendre les besoins des directions métier, vulgariser les résultats, proposer des cas d’usage concrets et collaborer efficacement avec des profils non techniques.
Tags & focus areas
Used for matching and alerts on DevFound Data Science Mlops Ai