Data Scientist / AI Engineer (H/F)
Posted 11
views
Au sein de l'équipe technique et sous la responsabilité du Directeur Technique, vous interviendrez, accompagné(e) par l'équipe, sur l'ensemble de la chaîne data et IA de la plateforme :
- Concevoir, entraîner et évaluer des modèles de deep learning appliqués à l'imagerie satellite : détection de couverture des sols, reconstruction de séries temporelles (gap-filling de LAI à partir de données radar Sentinel-1)
- Développer des pipelines d'extraction de données à partir de documents (PDF, documents bruts) combinant LLM et OCR, et assurer le matching des données extraites avec les référentiels en base de données
- Participer à l'industrialisation des modèles : développement d'API, intégration backend, déploiement sur le cloud (AWS, Azure), orchestration d'appels à des services tiers
- Contribuer à la qualité, la structuration et la préparation des données (data engineering)
- Participer à la démarche R&D de l'entreprise : veille scientifique, expérimentation de nouvelles approches, amélioration continue des modèles, en lien avec des partenaires académiques
Environnement technique : Python, PyTorch, LLM (dont modèles open weight), AWS, Azure, Docker, PostgreSQL, Git/GitLab.
- Concevoir, entraîner et évaluer des modèles de deep learning appliqués à l'imagerie satellite : détection de couverture des sols, reconstruction de séries temporelles (gap-filling de LAI à partir de données radar Sentinel-1)
- Développer des pipelines d'extraction de données à partir de documents (PDF, documents bruts) combinant LLM et OCR, et assurer le matching des données extraites avec les référentiels en base de données
- Participer à l'industrialisation des modèles : développement d'API, intégration backend, déploiement sur le cloud (AWS, Azure), orchestration d'appels à des services tiers
- Contribuer à la qualité, la structuration et la préparation des données (data engineering)
- Participer à la démarche R&D de l'entreprise : veille scientifique, expérimentation de nouvelles approches, amélioration continue des modèles, en lien avec des partenaires académiques
Environnement technique : Python, PyTorch, LLM (dont modèles open weight), AWS, Azure, Docker, PostgreSQL, Git/GitLab.