Notre client, entreprise engagée dans la mobilité urbaine durable, elle facilite les déplacements quotidiens grâce à un service de vélos partagés alliant technologie et respect de l'environnement.

Missions :

Fiabilisation et industrialisation des détections des besoins de maintenance sur les vélos et les stations Vélib' :

• Restructurer le système de détection existant afin gagner en robustesse et fiabilité,
• Concevoir, développer et intégrer des algorithmes pour prédire la classification des pannes en minimisant les faux positifs,
• Superviser les tests et mener les analyses prouvant l'amélioration du système.

Optimisation des opérations de maintenance :

• Analyser les données opérationnelles pour améliorer l'efficacité des équipes terrain,
• Proposer des optimisations afin de réduire les temps de déplacement et gagner en productivité,
• Améliorer la compréhension et la prédiction des usages pour anticiper les déséquilibres sur le parc : Stations vides et stations pleines.

Mise en place d'une gouvernance de la donnée :

• Définir et appliquer des standards de qualité, de sécurité et de traçabilité des données,
• Collaborer avec les équipes IT et métiers pour garantir la cohérence et l'accessibilité des données.

Veille technologique et innovation :

• Identifier et évaluer de nouvelles méthodes ou outils d'intelligence artificielle pour améliorer la performance des différents services.

• Ingénieur(e) ou master 2 minimum en science des données, informatique ou mathématiques.

Compétences techniques :

• Solides compétences en programmation Python ainsi que des bibliothèques utiles aux traitements des données (Pandas, Scikit-learn, NumPy, TensorFlow...),
• Bonne maîtrise des algorithmes de Machine Learning et Deep Learning (Autoencodeurs, SVM, Random Forest, K-Means...),
• Les compétences en base de données relationnelles (et langage SQL) sont indispensables,
• Des connaissances d'outils de data engineering sont un plus (Talend, Spark, Airflow, etc.).

Télétravail.