Data Engineer Banque H/F Celad

Contexte

Dans le cadre du développement d'une Squad Usages Data Avancés & IA, nous recherchons un(e) Data Engineer confirmé(e) pour contribuer à la conception, l'industrialisation et l'amélioration continue de solutions data à forte valeur ajoutée.

Vous évoluerez dans un environnement orienté DataOps, MLOps et industrialisation de solutions analytiques, au sein d'une équipe pluridisciplinaire (Data Scientists, DevOps, Product Owner...).

La squad intervient sur :

La conception et la maintenance d'applications data

L'amélioration continue des produits existants

La construction de nouveaux usages Data & IA

Vos missions

Conception & Architecture

Participer à la définition des solutions applicatives data

Contribuer aux choix d'architecture (batch, streaming, microservices data)

Concevoir des pipelines robustes, scalables et performants

Développement & Intégration

Construire et maintenir des pipelines ETL / ELT (données structurées et non structurées)

Développer des traitements en Python (PySpark, FastAPI) et SQL

Intégrer des flux temps réel via Kafka / Spark

Réaliser les phases d'intégration et de recette technique

Industrialisation - DataOps / MLOps

Mettre en oeuvre des chaînes CI/CD et de déploiement (Docker, Kubernetes, GitHub/GitLab Actions)

Industrialiser des modèles statistiques ou de Machine Learning

Versionner données, modèles et code

Monitorer la performance, la qualité et les coûts des traitements

Assurer l'observabilité des solutions (ELK, Prometheus/Grafana, MLflow)

Qualité & Amélioration Continue

Mettre en place des tests automatisés (Pytest)

Maintenir un haut niveau de qualité de code (SonarQube)

Améliorer l'efficacité des processus

Maintenir une documentation claire et à jour

Collaboration

Travailler en étroite collaboration avec les membres de la squad

Préparer des datasets pour l'exploration et l'analyse

Accompagner les utilisateurs dans la prise en main des solutions

Docker

Kubernetes

GitHub Actions ou GitLab CI

Compétences techniques requises

Langages & Frameworks: Python (PySpark, FastAPI), SQL

Big Data & Streaming: Apache Spark, Apache Kafka

Bases de données: PostgreSQL, Teradata, MySQL

MLOps / CI-CD / Conteneurisation: Docker, Kubernetes, GitHub Actions ou GitLab CI

Qualité & Observabilité: Pytest, SonarQube, Stack ELK, Prometheus / Grafana, MLflow