Data/MLOps Engineer (Computer Vision & Industrialisation) - CDI (H/F)
Collective.work
- Localisation
- 91 - Massy
- Contrat
- CDI
- Publication
- Publiée le
Merci de patienter quelques instants.
Offres métier JobsAI
Le data scientist construit des modèles et des analyses prédictives pour répondre à des problèmes métier. Les offres demandent Python, des bases solides en statistiques et une pratique du machine learning. Selon l’entreprise, le poste penche davantage vers l’exploration, la modélisation ou l’industrialisation, et la stack attendue change en conséquence. JobsAI réunit ici les annonces de data science récentes réellement présentes dans sa base, avec les compétences attendues et les bassins d’emploi. L’import de votre CV permet ensuite de comparer votre expérience aux exigences de chaque annonce. La capacité à expliquer un modèle et ses limites compte autant que la technique, car les décisions s’appuient sur la confiance dans les résultats.
Analyse explicable · vous décidez toujours où postuler
Données JobsAI
1 offre active après contrôle de la date et dédoublonnage.
Mise à jour :
Collective.work
Le data scientist explore les données, conçoit et évalue des modèles, puis les met en production en lien avec les équipes data et métier. Il traduit des questions d’affaires en problèmes de modélisation.
Intitulés proches : Ingénieur machine learning, Machine learning engineer, Scientifique des données, ML engineer, Data scientist senior.
Les bassins à surveiller dépendent du secteur et des implantations des employeurs. Pour ce métier, les zones généralement pertinentes sont :
Entreprises observées dans les offres actives : Collective.work.
Contrats affichés : CDI.
Localisations des annonces : 91 - Massy.
Matching expliqué
JobsAI compare les compétences, les expériences, le niveau attendu, le contrat et la localisation de votre CV avec les informations de l’annonce. Le résultat sert à prioriser les offres et à préparer une candidature adaptée ; il ne garantit ni entretien ni embauche.
Exemple pédagogique
CV comparé à une offre type
CV de data scientist avec deux modèles de scoring déployés en production
À vérifier : L’annonce demande du deep learning, absent des expériences décrites.
Exemple fictif de méthode, sans entreprise ni annonce inventée. Le score réel dépend du CV et de l’offre choisis.
Les recruteurs cherchent moins une liste d’algorithmes qu’une capacité à résoudre un problème concret. Pour chaque projet, expliquez la question posée, les contraintes des données et la valeur produite.
Montrez aussi votre rigueur d’évaluation : validation, métriques, limites. Un profil qui sait expliquer ce qu’un modèle ne peut pas faire inspire davantage confiance qu’un CV uniquement technique.
FAQ métier
Le data scientist est plus orienté exploration, modélisation et réponse à une question métier. Le machine learning engineer se concentre davantage sur l’industrialisation et le déploiement des modèles. Les frontières varient selon les entreprises.
Présentez des projets avec une question claire, les données utilisées, la méthode, les métriques d’évaluation et le résultat. Un modèle déployé ou ayant servi une décision réelle est un vrai différenciateur.
Non. Beaucoup de postes reposent d’abord sur de bonnes pratiques de modélisation classique et de manipulation de données. Le deep learning est requis dans certains secteurs, mais pas partout.
Importez votre CV, consultez les offres compatibles et leurs explications, puis choisissez les candidatures que vous souhaitez préparer.