Data Scientist H/F - Bridge

Rejoignez une équipe Data & Product innovante qui développe des solutions d'intelligence artificielle appliquée à la finance.

Basé sur les données de Bridge, nous développons des services financiers innovants.Ton objectif est de créer, mettre en place et piloter l'amélioration continue de nos modèles ML, participer à la R&D pour les prochains algorithmes type LLM, et contribuer à l'architecture data scalable de notre plateforme.

Tes missions

1. Machine learning et optimisations

- Developper des stratégies de feature engineering en lien avec nos futurs projets.
- Proposer des nouvelles sources de données.
- Piloterl'optimisation d'algorithmes de type Random Forest, XGBoost, LLM et Mixture of Expert.
- Monitorer les évolutions des models tels que la surveillance du drift.

2. Industrialisation & Run

- Concevoirles pipelines et Implémenterles processus de CI/CD
- Mettre en placele monitoring, la détection de drift et la maintenance prédictive
- Optimiserles performances et la scalabilité des systèmes en production

Plus globalement, contribuer positivement au développement de la société.

Ces missions sont susceptibles d'évoluer selon les besoins et les priorités de l'entreprise en lien avec l'évolution de la stratégie.

Stack Technique

Langages & Frameworks

- Python& SQL : Numpy, Pandas, Pytorch, Scikit-learn
- Deep Learning- Transformers, architectures neuronales
- Évaluation- Métriques avancées, analyse de biais, interprétabilité

Infrastructure & DevOps

- AWS- Lambda, S3, SageMaker
- Docker- Containerisation, orchestration
- CI/CD& Monitoring

Travailler chez Bridge, c'est :

- Des bureaux au coeur de Paris, métro République
- Une politique hybride : 3 jours de télétravail par semaine
- 4 jours de repos offerts par an
- Une carte Swile pour tes déjeuners
- Des événements et rituels Bridge toute l'année : afterworks, événements internes...

- Bac +5en école d'ingénieur, Master Data Science, ou équivalent
- 3-5 ans d'expérienceen Data Science ou ML Engineering
- Expériencedans des projets ML en production
- Connaissancedu domaine financier (KYC, scoring, fraude)
- Expertiseen algorithmes de classification et de régression
- Maîtrisedes métriques d'évaluation et de l'optimisation de modèles
- Expérienceen feature engineering et sélection de variables
- Connaissancedes architectures ML scalables et des bonnes pratiques