Data Science Python Expérimenté
Craftman dataTransportPubliée hier
410 €/j
- Lieu
- Massy · Sur site
- Durée
- 6 mois
- Démarrage
- 13 octobre 2026
- Expérience
- Confirmé (3-6 ans)
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- Le TJM de cette mission se situe dans la médiane des 47 missions de votre métier et de votre séniorité de notre catalogue dont l'annonce publie un budget, dont la médiane est de 400 €/jour (moitié centrale : 350 à 445 €/jour).
- 3 missions développeur back-end sont ouvertes à Massy en ce moment, sur 532 pour ce métier en France.
- 5 % des missions développeur back-end de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : scikit-learn (8 missions), TensorFlow (12 missions), Pandas (42 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil confirmé (3-6 ans) · Comment ces repères sont calculés
La mission
Nous recherchons un profil Data Science Python Expérimenté (Data & Analytics) afin d'intervenir au sein de l'Analytics Factory sur des sujets stratégiques de prévision de la demande pour la Supply Chain.
Description and Location
Au sein de la Supply Chain Carrefour, la précision de la prévision de la demande constitue un enjeu stratégique majeur afin de garantir la disponibilité des produits en magasin, réduire les coûts logistiques et limiter le gaspillage alimentaire.
Le consultant intégrera une équipe pluridisciplinaire composée de Data Scientists et Data Engineers au sein de l’Analytics Factory afin de développer, optimiser et industrialiser des modèles de prévision avancés.
Les principales activités attendues seront :
Échanger régulièrement avec les équipes métier Supply Chain afin de recueillir les besoins et restituer les résultats.
Analyser les données historiques et étudier les saisonnalités, tendances, impacts promotionnels et événements exogènes.
Concevoir, entraîner et optimiser des modèles de prévision de séries temporelles.
Définir et suivre les métriques d’évaluation des performances.
Industrialiser et déployer les pipelines de modélisation dans l’environnement Cloud GCP.
Développer les dispositifs d’explicabilité permettant une meilleure appropriation des résultats par les équipes métier.
Livrables attendus
Analyses approfondies des données métiers.
Modèles de prévision de séries temporelles industrialisés.
Suivi des indicateurs de performance et de qualité des modèles.
Pipelines de déploiement automatisés sur GCP.
Restitutions et recommandations pour les équipes métier Supply Chain.
Documentation des modèles et des processus d’industrialisation.
Compétences requises
Must Have
Compétences attendues
Indispensables
- Python
- GCP
- Documentation
- Pandas
- scikit-learn
- SQL
- Machine Learning
- TensorFlow
Appréciées
- PyTorch
- Git
- CI/CD
- Agile
- Scrum