Groupe Galilé - Ingénieur / Ingénieure analyste en système d'information (H/F)
Offre publiée le 06/06/2025
💼 Offre d'emploi
- Type de contrat
- Contrat à durée indéterminée
- Durée de travail
- Expérience
- Débutant accepté
- Salaire
- Permis demandé
- Aucune information
📍 Entreprise
- Employeur
- Groupe Galilé
- Secteur d'activité
- Activités des sociétés holding (Code NAF 64.20Z)
Fort d'un historique dans l'industrie et la manutention depuis plus de 20 ans, le groupe Galilé représente 35 PME qui emploient plus de 1000 collaborateurs et réalisent 200M€ de chiffre d'affaires en France et à l'étranger. Structuré autour de 7 pôles d'activités, le Groupe propose à ses clients un panel d'offres et de solutions optimisées et innovantes au service de l'industrie française.
Lieu de travail
71 - CHALON SUR SAONE (Code postal 71100) Voir sur une carte
Description de l'offre
Dans le cadre du développement de Galilé IA, le bureau d'études en IA du Groupe Galilé, nous recrutons un·e ingénieur·e data scientist junior pour renforcer notre équipe pluridisciplinaire (IA, développement, experts métier). Tu contribueras à la conception de solutions d'IA concrètes, innovantes et directement appliquées à des problématiques industrielles (logistique, production, maintenance, qualité, etc.), dans un environnement agile, stimulant et orienté innovation utile.
Tes missions seront les suivantes :
Analyse de données : Explorer et structurer des jeux de données industriels complexes (capteurs, ERP, images, historiques, etc.).
Modélisation IA : Concevoir, entraîner et évaluer des modèles de machine learning ou deep learning adaptés aux enjeux métiers.
Optimisation : Développer des algorithmes sur mesure pour des cas concrets de logistique, planification ou production industrielle.
Vision par ordinateur : Créer des solutions basées sur l'analyse d'images (reconnaissance, contrôle qualité, etc.).
Industrialisation de modèles : Participer à l'intégration et au déploiement des modèles via APIs ou services conteneurisés (Docker).
Monitoring & performance : Mettre en place des outils de suivi (type MLflow) pour observer l'évolution et la pertinence des modèles en production.
Valorisation des résultats : Créer des visualisations claires, documenter et restituer les résultats aux utilisateurs métier.
Travail en équipe : Collaborer activement avec des experts IA, développeurs et experts métiers pour intégrer les modèles dans des applications robustes.
Itération terrain : Participer aux phases de tests, recueillir les retours utilisateurs et contribuer à l'amélioration continue des solutions.
Tu es diplômé·e ou en cours de diplomation d'une école d'ingénieur ou d'un Master 2 spécialisé en data science, intelligence artificielle, mathématiques appliquées ou informatique.
Ce que nous recherchons chez toi :
Tu maîtrises les fondamentaux du machine learning, du deep learning et du traitement de données.
Tu as une première expérience (stage, alternance, projet) avec des données réelles et des problématiques concrètes.
Tu es à l'aise avec Python et ses bibliothèques clés : pandas, scikit-learn, PyTorch, TensorFlow, OpenCV, etc.
Tu sais manipuler efficacement des bases de données SQL et NoSQL, et automatiser des pipelines de données.
Tu maîtrises ou souhaites progresser sur les outils de MLOps : Docker, Git, MLflow, DVC, Airflow, etc.
Tu as une bonne compréhension des métriques de performance, de la gestion de l'overfitting, du feature engineering et la validation croisée.
Tu es familier·e des problématiques de scalabilité et d'optimisation de modèles pour des traitements en production.
Tu es capable de vulgariser des résultats techniques auprès de profils non-techniques, et tu aimes apprendre et expérimenter continuellement.
Identifiant de cette offre d'emploi sur France Travail : 7824415
Libellé ROME de l'offre d'emploi : Ingénieur / Ingénieure d'étude informatique (Code ROME : M1818)
Autre appellation de l'offre : Ingénieur / Ingénieure analyste en système d'information
Offre d'emploi et contenus récupérés en partenariat avec France Travail. Cojob n'est pas responsable des informations fournies.