informations générales
Chalon-sur-Saône
Dans le cadre du développement de Galilé IA, le bureau d'études en IA du Groupe Galilé, nous recrutons un-e ingénieur-e data scientist junior en apprentissage pour renforcer notre équipe pluridisciplinaire (IA, développement, experts métier). Tu contribueras à la conception de solutions d'IA concrètes, innovantes et directement appliquées à des problématiques industrielles (logistique, production, maintenance, qualité, etc.), dans un environnement agile, stimulant et orienté innovation utile.
Tes missions seront les suivantes :
Analyse de données : Explorer et structurer des jeux de données industriels complexes (capteurs, ERP, images, historiques, etc.).
Modélisation IA : Concevoir, entraîner et évaluer des modèles de machine learning ou deep learning adaptés aux enjeux métiers.
Optimisation : Développer des algorithmes sur mesure pour des cas concrets de logistique, planification ou production industrielle.
Vision par ordinateur : Créer des solutions basées sur l'analyse d'images (reconnaissance, contrôle qualité, etc.).
Industrialisation de modèles : Participer à l'intégration et au déploiement des modèles via APIs ou services conteneurisés (Docker).
Monitoring & performance : Mettre en place des outils de suivi (type MLflow) pour observer l'évolution et la pertinence des modèles en production.
Valorisation des résultats : Créer des visualisations claires, documenter et restituer les résultats aux utilisateurs métier.
Travail en équipe : Collaborer activement avec des experts IA, développeurs et experts métiers pour intégrer les modèles dans des applications robustes.
Itération terrain : Participer aux phases de tests, recueillir les retours utilisateurs et contribuer à l'amélioration continue des solutions.
En savoir plus sur cette annonce sur le site de notre partenaireTes missions seront les suivantes :
Analyse de données : Explorer et structurer des jeux de données industriels complexes (capteurs, ERP, images, historiques, etc.).
Modélisation IA : Concevoir, entraîner et évaluer des modèles de machine learning ou deep learning adaptés aux enjeux métiers.
Optimisation : Développer des algorithmes sur mesure pour des cas concrets de logistique, planification ou production industrielle.
Vision par ordinateur : Créer des solutions basées sur l'analyse d'images (reconnaissance, contrôle qualité, etc.).
Industrialisation de modèles : Participer à l'intégration et au déploiement des modèles via APIs ou services conteneurisés (Docker).
Monitoring & performance : Mettre en place des outils de suivi (type MLflow) pour observer l'évolution et la pertinence des modèles en production.
Valorisation des résultats : Créer des visualisations claires, documenter et restituer les résultats aux utilisateurs métier.
Travail en équipe : Collaborer activement avec des experts IA, développeurs et experts métiers pour intégrer les modèles dans des applications robustes.
Itération terrain : Participer aux phases de tests, recueillir les retours utilisateurs et contribuer à l'amélioration continue des solutions.
