325 - Data Science Python Expérimenté

Job Description

Entité : mon client (grand groupe, grande distribution) Site : Île-de-France, hybride (2j/site – 3j TT) TJM max : 420 euros Date de démarrage : ASAP Date de fin : 31/07/2027 Profil recherché : Formation Bac 5 (école d’ingénieur ou université) orientée informatique, ou expérience équivalente. 3 à 7 ans d’expérience en Data Science Python. Une expérience dans le secteur du retail / grande distribution constituerait un avantage. Contexte : L’Analytics Factory de mon client conçoit et développe les services analytiques pour fournir aux équipes métier des données et analyses fiables, soutenant la transformation analytique et la prise de décision dans tous les domaines. Dans le cadre de la modernisation et de la digitalisation de ses points de vente, mon client déploie un système d’audit automatisé des rayons grâce à des caméras installées en magasin. L’objectif stratégique de ce projet est d’internaliser entièrement la chaîne de contrôle automatique des planogrammes personnalisés. L’ambition est de remplacer les audits manuels de rayons, longs et fastidieux, par une analyse continue, automatisée et à grande échelle sur l’ensemble du parc d’hypermarchés. Le candidat évoluera sur une architecture moderne basée sur Google Cloud Platform (GCP). Mission : Communiquer clairement et efficacement à l’écrit et à l’oral en français pour des interactions fluides avec le métier et les équipes. Analyser les situations et proposer des solutions adaptées tout en identifiant les axes d’amélioration. Respecter les délais tout en maintenant des standards élevés de qualité et d’excellence. Collaborer activement avec les membres de l’équipe, partager les connaissances et favoriser un esprit collectif pour atteindre les objectifs communs. Appliquer un esprit d’amélioration continue pour optimiser les pratiques et les résultats. Livrables : Rapport de conformité du rayon construit à partir de photos de ce dernier. Reconstitution du jumeau numérique des rayons à partir des photos. Must Have : Concevoir, développer et maintenir des applications et modèles d’apprentissage automatique robustes et scalables avec Python. Avoir une expérience sur les modèles YOLO, SAM 3 ou DINOv2. Nice to Have : Maîtriser les bibliothèques de manipulation et d’analyse de données : Pandas, NumPy, SciPy. Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch. Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables. Utiliser les plateformes de cloud computing, notamment GCP ou équivalents. Gérer le versionning des données et des modèles. Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly. Gérer les bases de données relationnelles et/ou orientées document. Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning. Intégrer les principes de craftsmanship et les bonnes pratiques telles que SOLID, YAGNI et la couverture de tests avec Sonar. Appliquer les principes d’observabilité pour monitorer et diagnostiquer les applications et modèles. Participer à toutes les phases du cycle logiciel, de la conception à la mise en production et au run. Contribuer à l’amélioration continue des pratiques de développement et assurer la qualité, la simplicité et la maintenabilité du code. Assurer la maintenance et l’évolution des applications et modèles existants. Appliquer les méthodes agiles, notamment Scrum. Recherche d’images : Vector Databases pour le matching de produits à grande échelle.