Chez Capgemini Invent, nous croyons que l’innovation est le moteur du changement. En tant que consultants portés vers l’innovation, unissant compétences stratégiques, créatives, scientifiques, nous collaborons étroitement avec nos clients, pour leur fournir des solutions de pointe. Rejoignez-nous pour conduire les transformations adaptées à nos clients face
aux défis d’aujourd’hui et de demain. Eclairés et validés par la science et la data. Portés par la puissance de la créativité et du design. Soutenus par une technologie élaborée avec sens.
Description du poste :
Vos missions
NFAI accompagne les clients au coeur de leurs problématiques Data, IA. Elle identifie et met en oeuvre les solutions technologiques pour assurer une croissance durable.
Notre ambition : placer la Data Science et l’IA au cœur des stratégies d’entreprise. En stage, vous contribuerez à un projet de R&D du Lab et à des missions clients, de la définition du besoin à la mise en production :
- Cadrage : traduire le besoin métier en problème de modélisation, identifier les données et définir les critères de succès ;
- Machine Learning : préparer les données, concevoir les variables, comparer les modèles et analyser leurs performances ;
- Modélisation : entraîner des modèles sur différents types de données et concevoir des solutions LLM (RAG, prompts, agents), avec des protocoles d’évaluation adaptés ;
- Évaluation : mesurer l’incertitude, la robustesse et les biais, puis expliquer les modèles aux métiers et aux instances de gouvernance ;
- Industrialisation : produire un code testé et reproductible, suivre les expérimentations et contribuer aux modèles et pipelines CI/CD avec les Data Engineers ;
- Veille : suivre les avancées scientifiques et technologiques et enrichir les ressources réutilisables du cabinet.
Description du profil :
- Cadrage : traduire le besoin métier en problème de modélisation, identifier les données et définir les critères de succès ;
- Machine Learning : préparer les données, concevoir les variables, comparer les modèles et analyser leurs performances ;
- Modélisation : entraîner des modèles sur différents types de données et concevoir des solutions LLM (RAG, prompts, agents), avec des protocoles d’évaluation adaptés ;
- Évaluation : mesurer l’incertitude, la robustesse et les biais, puis expliquer les modèles aux métiers et aux instances de gouvernance ;
- Industrialisation : produire un code testé et reproductible, suivre les expérimentations et contribuer aux modèles et pipelines CI/CD avec les Data Engineers ;
- Veille : suivre les avancées scientifiques et technologiques et enrichir les ressources réutilisables du cabinet.
Nous proposons :
- Cadrage : traduire le besoin métier en problème de modélisation, identifier les données et définir les critères de succès ;
- Machine Learning : préparer les données, concevoir les variables, comparer les modèles et analyser leurs performances ;
- Modélisation : entraîner des modèles sur différents types de données et concevoir des solutions LLM (RAG, prompts, agents), avec des protocoles d’évaluation adaptés ;
- Évaluation : mesurer l’incertitude, la robustesse et les biais, puis expliquer les modèles aux métiers et aux instances de gouvernance ;
- Industrialisation : produire un code testé et reproductible, suivre les expérimentations et contribuer aux modèles et pipelines CI/CD avec les Data Engineers ;
- Veille : suivre les avancées scientifiques et technologiques et enrichir les ressources réutilisables du cabinet.
