Machine learning appliqué
4+ ans en Machine Learning appliqué / Data Science, idéalement en SaaS ou en logiciel d'entreprise.
Modèles en production
Un historique prouvé de déploiement de modèles de ML de niveau production, à l'échelle.
Une spécialité en profondeur
Une expertise profonde dans au moins un de ces domaines : prévision de séries temporelles, optimisation mathématique (linéaire/non linéaire, combinatoire), ou développement et déploiement NLP/LLM.
Python et frameworks de ML
Une forte maîtrise de Python (Pandas, Polars, NumPy, etc.) et des frameworks de ML (PyTorch, TensorFlow, Scikit-learn).
SQL
Maîtrise de SQL et travail sur de grands jeux de données relationnelles et non relationnelles.
MLOps
Des compétences solides en MLOps : Docker, CI/CD, suivi des modèles, et déploiement cloud (AWS et GCP de préférence).
Déploiement de modèles en direct
Expérience de déploiement en direct de Huggingface, Ollama ou LM Studio.
Jugement
Une forte capacité à résoudre des problèmes, un sens du business, et la capacité à tenir ensemble l'innovation technique et l'impact client.
Atouts
Une expérience en supply chain, finance ou recherche opérationnelle. Familiarité avec les solveurs d'optimisation (Gurobi, OR-Tools, CPLEX). Expérience en startup early-stage ou en environnement à forte croissance.