Senior Applied ML Engineer

En tant que Senior Applied ML Engineer, tu ne resteras pas enfermé(e) dans l'algorithmique. Tu seras la passerelle directe entre la Data Science, l'ingénierie logicielle et la valeur produit livrée à nos clients :

• Analyse de données & Logique métier : Explorer la donnée brute, en extraire la valeur business, challenger les intuitions et concevoir la logique de calcul des KPI indispensables au produit.

• ML & AI Engineering : Exploration de volumineux jeux de données, modélisation des problématiques terrain (prédiction, détection d'anomalies, scoring) et intégration de briques d'IA applicative ou de LLM.

• Data Engineering/ Backend : Utilisation et consolidation des pipelines de données nécessaires à l'alimentation et à l'entraînement des modèles en autonomie. Déploiement direct du code en production via le développement d'API Python propres, typées et testées pour un déploiement continu sur une infrastructure AWS / Kubernetes.

• Expérience solide : Au moins 5 ans d'expériences (dont idéalement une expérience en start-up/scale-up) mêlant Data Science, Machine Learning, Data Engineering.

• Maîtrise de Python : Niveau de production (tu peux écrire du code propre sans dépendre d’IA), tout en sachant manipuler des API tierces et d'autres langages si nécessaire.

• Culture Produit : Priorité donnée à la valeur concrète utilisateur plutôt qu'à la complexité théorique d'un modèle. Capacité à dialoguer avec les Product Managers et à arbitrer la faisabilité technique des besoins métier.

• Culture DevOps & Cloud : Familier avec la conteneurisation et les déploiements sur des architectures cloud modernes (AWS, Kubernetes, Docker, CI/CD).

• Anglais professionnel : Aisance à l'écrit comme à l'oral pour consulter la documentation technique, rédiger et échanger au quotidien dans un cadre international.

1. Échange d'introduction (30 min) 🤙 : Premier échange visio pour discuter de ton parcours, de tes attentes et de la vision d'Hiboo.

2. Immersion technique & produit (45 min) 💻 : Échange technique avec un membre de l'équipe Data pour débriefer tes réalisations passées, ta maîtrise du Python en production et ton approche de la donnée.

3. Cas pratique (1 h 30) 🏢 : Mise en situation pratique dans nos bureaux à Paris (ou à distance) avec l'équipe Data : cas concret de modélisation et définition de KPI métier.

4. Échange avec les fondateurs (30 min) 🤝 : Échange avec les fondateurs pour valider l'alignement culturel et la vision stratégique.

5. Team fit ☕ : Rencontre informelle avec une partie de l’équipe.