Lead Data Scientist (H/F)

Industrialisation & MLOps Déployer les pipelines Data sur Databricks Orchestrer les workflows via Apache Airflow Mettre en place des pipelines batch et temps quasi réel Définir et structurer un framework MLOps : versioning des modèles monitoring des performances gestion du cycle de vie reproductibilité Livrables attendus Formalisation des cas d'usage priorisés Modèles et algorithmes validés Pipelines industrialisés Documentation technique complète Framework MLOps opérationnel Profil recherché Formation supérieure en data / informatique / mathématiques Expérience significative (6 ans minimum) en Data Science Expertise en Python et SQL Maîtrise de Databricks et Apache Airflow Expérience en MLOps (MLflow ou équivalent) Bonne connaissance des données volumineuses et séries temporelles Compétences attendues Capacité à traduire un besoin métier en solution technique Esprit d'analyse et de synthèse Aisance dans des environnements complexes Capacité à interagir avec des interlocuteurs, * Adapter les outils de traitement statistique de données

• Définir et faire évoluer des procédés de traitement de l'information

métiers et techniques Atouts complémentaires Expérience dans le secteur de l'énergie ou industriel Connaissance des problématiques de performance d'actifs

Dans le cadre du développement d'une plateforme dédiée à la gestion et à l'optimisation d'actifs énergétiques renouvelables (photovoltaïque, éolien, stockage), notre client souhaite accélérer l'industrialisation de ses cas d'usage Data Science. Les modèles développés s'inscrivent dans une logique opérationnelle et métier, au service de la performance des actifs et de la prise de décision. Vos missions En tant que Lead Data Scientist, vous interviendrez sur l'ensemble de la chaîne de valeur Data : 1. Structuration des cas d'usage Recueillir et analyser les besoins métiers Formaliser des cas d'usage Data Science Définir les indicateurs de performance (KPI) Prioriser les sujets selon leur valeur métier et leur faisabilité 2. Développement des modèles Concevoir et implémenter des modèles de : prévision (séries temporelles, machine learning) segmentation / clustering détection d'anomalies Réaliser des analyses d'impact économique Produire des modèles robustes, documentés et intégrables 3.