Vous faites partie de celles et ceux qui pensent que même avec plusieurs années d’expérience, on continue à apprendre ? Alors nous sommes sur la même longueur d'onde ! Et si on en parlait ?

Au sein de l’Atelier Data & AI, on retrouve des communautés de pratique organisées par tribus. L’idée, c’est de se retrouver et de partager des expertises communes, de développer ses compétences en équipes à taille humaine. Vous aurez donc pour missions de faire du conseil, du delivery et de la R&D.

Être Data Scientist chez OCTO, c’est : 

1- Faire du conseil autant que du delivery : accompagner nos clients dans la mise en œuvre de solutions autour de la gestion et transformation de leur Data. Participer au développement agile et à l’implémentation d’applications dans le respect des bonnes pratiques. Et bien sûr, qui dit conseil, dit convictions : proposer la solution la plus adaptée, c’est aussi savoir et oser challenger nos clients (et c’est dans notre ADN !) 

2- Participer aux réponses aux appels d’offres et avant-ventes

3- Participer activement à la R&D “Data & AI” : au programme, veille technologique & bonnes pratiques. Quelques sujets “chauds” du moment ? Le Green AI , Green Data et AI4Green 🌱

4- Former & mentorer : le partage de connaissances et la montée en compétences des collaborateurs vous importent ? Nous sommes convaincus et prônons haut et fort la valeur de transmission. Mentoring et gestion de votre carrière seront donc à l’honneur. Et oui, chez OCTO le savoir n’est pas chasse gardée !

Promis pas de liste à rallonge, mais des compétences clés pour vous permettre de réussir chez nous : 

1- Un socle de savoir-faire techniques et des expériences significatives sur : 

• Les principaux usages des LLMs (RAG, Prompt Engineering, Agents, fine-tuning de LLM)
• Un ou plusieurs domaines de la Data Science (NLP, Computer Vision, Time Series)
• L’environnement des modèles Open Source (Hugging Face) et les principaux frameworks de deep learning (TensorFlow, PyTorch, etc) 
• L’industrialisation et le monitoring de modèles de Machine Learning 
• Un ou plusieurs environnements cloud (AWS, GCP, Azure)
• Les méthodologies agiles et les bases du software craftsmanship (une connaissance des méthodologies DevOps ou DataOps est un plus :) )

…last but not least: une bonne maîtrise de l’anglais, à l’oral comme à l’écrit :) 

2- Un panel de savoir-être : un esprit franc-tireur capable de (se) questionner et de challenger les idées, une forte appétence pour le travail en équipe et la réussite collective.