As a Senior Data Scientist, you will be responsible for the following missions:
Development of predictive and prescriptive models: Design and train Customer Segmentation models (clustering, RFM, behavioral profiling). Develop personalized Recommendation engines (collaborative filters, content-based, hybrid systems) to improve cross-sell and up-sell. Develop Prediction models (churn, propensity, risk scoring, transaction volume forecasting).
Data and model engineering: Collaborate with Data Engineers to define features and prepare necessary training pipelines from the Datalakehouse (Cassandra, Hive, etc.). Implement MLOps best practices: model versioning, deployment automation, production performance monitoring (drift, bias).
Business value contribution: Translate business needs (e.g., reduce churn, increase conversion rate) into Data Science problems. Interpret model results and communicate insights to Product Owners and business stakeholders. Contribute to the enrichment of source systems and the Datalakehouse with predictive data.
Desired Candidate Profile
- Education: Engineering degree (Bac+5) with a specialization in Data Science, Artificial Intelligence, or Applied Statistics/Mathematics.
- Experience: 3-5 years of confirmed experience on similar predictive modeling and recommendation system projects.
- Technical Skills: Mastery of ML: Classical algorithms (regression, classification, clustering, time series) and Deep Learning (if applicable). AI Frameworks: Mastery of Python libraries (Scikit-learn, Pandas, XGBoost, TensorFlow or PyTorch). Big Data & Tools: Knowledge of distributed environments (Spark/PySpark) and NoSQL databases (Cassandra, MongoDB). Ops & CI/CD: Familiarity with containerization environments (Docker) and model lifecycle management (MLOps). Technological ecosystem: Cloudera Data Platform, Microservices Architecture, Kafka, API Gateway (Axway), Keycloak.
- Methodology: Agile work (Scrum of Scrums, Weekly follow-up committees).
- Collaboration: Multidisciplinary team (Data Engineers, Lead Tech, Product Owners, Business Experts).
بصفتك كبير علماء البيانات، ستتحمل المسؤولية عن المهمات التالية:
تطوير النماذج التنبؤية والتقريرية: تصميم وتدريب نماذج تقسيم العملاء (التجميع، RFM، الملف الشخصي السلوكي). تطوير محركات توصية مخصصة (مرشحات تعاونية، قائمة على المحتوى، أنظمة هجينة) لتحسين البيع المتبادل والتطوير. تطوير نماذج التنبؤ (التسرب، الاستعداد، تقييم المخاطر، توقع حجم المعاملات).
هندسة البيانات والنماذج: التعاون مع مهندسي البيانات لتحديد الميزات وتحضير أنابيب تدريب لازمة من Datalakehouse (Cassandra، Hive، الخ). تطبيق أفضل ممارسات MLOps: توثيق إصدار النماذج، أتمتة النشر، رصد أداء الإنتاج (الانحراف، التحيز).
المساهمة في قيمة الأعمال: تحويل احتياجات الأعمال (مثلاً تقليل التسرب، زيادة معدل التحويل) إلى مشاكل في علم البيانات. تفسير نتائج النموذج وتوصيل الرؤى لمالكي المنتجات وأصحاب المصلحة في الأعمال. المساهمة في إثراء أنظمة المصدر وDatalakehouse بالبيانات التنبؤية.
الملف الوظيفي المرغوب فيه
- التعليم: شهادة هندسة (Bac+5) مع تخصص في علم البيانات، الذكاء الاصطناعي، أو الإحصاء/الرياضيات التطبيقي.
- الخبرة: 3-5 سنوات من الخبرة المؤكدة في مشاريع مماثلة للنمذجة التنبؤية وأنظمة التوصية.
- المهارات التقنية: إتقان تقنيات التعلم الآلي: الخوارزميات الكلاسيكية (الانحدار، التصنيف، التجميع، السلاسل الزمنية) والتعلم العميق (إذا كان ذلك مناسباً). أطر الذكاء الاصطناعي: إتقان مكتبات بايثون (Scikit-learn، Pandas، XGBoost، TensorFlow أو PyTorch). البيانات الكبيرة والأدوات: معرفة ببيئات موزعة (Spark/PySpark) وقواعد بيانات NoSQL (Cassandra، MongoDB). التشغيل وCI/CD: الإلمام ببيئات الحاويات (Docker) وإدارة دورة حياة النماذج (MLOps). النظام التكنولوجي: منصة Cloudera Data Platform، هندسة الخدمات المصغرة، Kafka، API Gateway (Axway)، Keycloak.
- المنهجية: عمل توجيهي أجايل (Scrum of Scrums، لجان متابعة أسبوعية).
- التعاون: فريق متعدد التخصصات (مهندسو البيانات، قائد تقني، مالكو المنتجات، خبراء الأعمال).