Machine Learning Engineer H/F SOS Oxygène

Notre société en pleine croissance, recherche pour son site basé à Gennevilliers (92), un Machine Learning Engineer (H/F), dans le cadre d'une création de poste.

En tant que Machine Learning Engineer (H/F), vous collaborerez quotidiennement avec des Data Scientists et l'équipe IT sur l'acquisition des larges données de santé, la conception et le déploiement des modèles d'IA. Vous devrez fournir des bases de données fiables, sécurisées et traçables, alimentant des modèles d'IA de prédiction de l'observance et du profilage patient. Vous assurerez leur déploiement dans les systèmes.

Rattaché(e) au Directeur Scientifique, vos missions seront notamment articulées autour des activités suivantes :

Gestion des bases de données et de pipelines ETL automatisés

- Nettoyer, normaliser et structurer les données de santé, homogénéiser les différentes bases de données et assurer leur cohérence,
- Effectuer des tâches d'ETL pour préparer les données,
- Respecter les normes RGPD concernant la manipulation et l'anonymisation des données de santé,
- Collaborer avec l'équipe IT et divers laboratoires de recherche en Europe pour intégrer de nouvelles bases de données.

Développement, évaluation et validation de modèles d'IA

- Développer les algorithmes de machine/deep learning adaptés (régression, classification, clustering, réseaux de neurones, etc),
- Entraîner et optimiser les modèles de machine/deep learning en utilisant des techniques consolidées,
- Évaluer les performances des modèles à l'aide de métriques appropriées (RMSE, F1-score, AUC, etc),
- Assurer le renforcement et la généralisation des modèles sur des ensembles de données de test.

Mise en production et surveillance des modèles

- Déployer les modèles de machine/deep learning dans les environnements de production,
- Collaborer avec l'équipe IT pour intégrer les modèles dans les systèmes,
- Mettre en place des pipelines de CI/CD pour automatiser le déploiement des modèles,
- Surveiller les performances des modèles en production pour détecter et corriger les dégradations,
- Mettre à jour les modèles avec de nouvelles données ou ajuster les hyperparamètres pour maintenir leur performance,
- Gérer la version des modèles et assurer la reproductibilité des résultats.