Datascientist Expert en IA H/F - 69

Framatome, filiale d'EDF, conçoit, entretient et installe des composants et des combustibles ainsi que des systèmes de contrôle-commande pour les centrales nucléaires. Ses plus de 22 000 salariés permettent chaque jour aux clients de produire un mix énergétique bas-carbone toujours plus propre, plus sûr et plus économique. Ils développent aussi des solutions pour les secteurs de la défense, de la médecine nucléaire et du spatial.

Implantée dans une vingtaine de pays, Framatome rassemble les expertises d'hommes et de femmes passionnés et convaincus que le nucléaire est une énergie d'avenir. Entreprise responsable, Framatome déploie des actions pour former et accompagner les premières expériences professionnelles (label Happy Trainees), intégrer tous les talents, dont les personnes en situation de handicap, oeuvrer pour l'égalité professionnelle et la mixité de nos métiers (94/100 à l'index de l'égalité hommes-femmes) et concilier les temps de vie.

Rejoignez-nous et suivez notre actualité sur www.framatome.com, LinkedIn ou bien Instagram.Framatome souhaite étendre sa capacité à traiter des cas d'usage IA en recrutant un.e data scientist expert en IA.
En effet, la Direction SI de Framatome souhaite s'entourer d'un.e data scientist expert en IA pour l'analyse des besoins métiers et le développement d'applications en IA (Intelligence Artificielle), NLP (Natural Language Processing), CV (Computer Vision), LP (Linear Programming), ML (Machine Learning), TS (Time Series), RCA (Root Cause Analysis), DB (Database), IA GEN (Intelligence Artificielle Générative).
Vos missions :
- Comprendre les cas d'usage
- Collecter de données
- Préparer et nettoyer des données
- Explorer et visualiser des données
- Modéliser, développer et utiliser des modèles
- Sélectionner des algorithmes : choisir les algorithmes de machine learning ou de deep learning les plus appropriés pour le problème
- Entraîner des modèles : former les modèles avec des ensembles de données d'entraînement et ajuster les paramètres pour optimiser les performances.
- Valider des modèles : utiliser des techniques de validation croisée pour évaluer la robustesse des modèles et éviter le surajustement.
- Instancier des modèles de langage pré-entraînés (LLMs, embeddings, rerankers...) et les intégrer dans des solutions complexes de type RAG (Retrieval Augmented Generation).
- Évaluer des modèles - Déployer des modèles
- Surveiller et maintenir des modèles
- Gérer la documentation et la communication