Stage - Ingénieur Data Science et Machine Learning H/F

Groupama Assurances Mutuelles

Le pôle Data Science et modélisation de la Direction Technique Data et Indemnisation de Groupama Assurances Mutuelle recrute un stagiaire en machine learning et datascience.

Au sein d'une petite équipe d'actuaires et de datascientists, moteur de l'innovation et de l'usage de l'IA dans le domaine de l'actuariat et de l'assurance chez Groupama, vous serez acteur dans l'application du machine learning et des techniques d'intelligence artificielle autour d'enjeux stratégique pour Groupama :
. Renforcer la maitrise des risques climatiques et graves, via l'analyse prédictive de la sinistralité (inondations, tempêtes, grêle, incendie, sécheresse).
. Enrichir les méthodes et process de tarification avec l'usage de nouvelles sources de données et de modélisation dynamique du risque.
. Améliorer l'efficacité opérationnelle avec des outils d'aide à la décision pour la lutte contre la fraude, l'optimisation des processus et de ciblage des efforts de prévention.

Intégré(e) à l'équipe, vous jouerez un rôle clé dans les initiatives d'innovation en IA. Vos missions seront variées et structurées autour des axes suivants :
1. Analyse et recherche :
o Élaborer des business cases pour démontrer la valeur ajoutée des approches IA/machine learning sur des cas d'usages concrets.
2. Prototypage et innovation :
o Collaborer avec les équipes métiers pour comprendre leurs besoins, formuler des problématiques, et identifier des opportunités concrètes pour appliquer l'IA.
o Développer des prototypes exploitant des données variées (climatiques, géospatiales, documents etc.) afin d'illustrer les usages possibles et les bénéfices mesurables.
3. Industrialisation et mise en production :
o Transformer les prototypes en solutions opérationnelles en partenariat avec les équipes IT.
o Mettre en place des pipelines de données, automatiser les processus, et documenter l'ensemble des travaux pour en faciliter l'intégration à grande échelle.

Vous interviendrez sur l'ensemble du cycle de modélisation : De la préparation de données, au feature's Engineering , la modélisation et le tuning de modèles, la validation des résultats, la génération de contributions marginales et l'interprétabilité des modèles.