Data Scientist IA (H/F) — Secteur bancaire Luxembourg
Cogniwave dynamicsFintechPubliée hier
~ 450 – 600 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Luxembourg, Luxembourg · Sur site
- Durée
- 2 ans
- Démarrage
- 7 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.
- 0 % des missions data scientist de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : TensorFlow (16 missions), Deep Learning (19 missions), PyTorch (21 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil confirmé (3-6 ans) · Comment ces repères sont calculés
La mission
Contexte
Dans le cadre d'un accord-cadre avec un groupe bancaire international, nous recherchons des Data Scientists disposant d'une expérience démontrable et mesurable sur des projets d'intelligence artificielle.
Les postes sont ouverts sur trois niveaux de séniorité (0-2 ans, 2-5 ans, 6 ans et plus d'expérience sur des projets IA).
Poste en CDI: Salaire suivant expérience / Package avec ou sans voiture
Vos missions
Collecte et préparation des données
Récupérer et nettoyer les données issues de sources variées (bases de données, API, fichiers)
Mener les analyses exploratoires (EDA) pour qualifier la structure et la qualité des données
Réaliser les transformations et le feature engineering permettant d'améliorer la pertinence des modèles
Développement de modèles
Sélectionner et entraîner des modèles de machine learning et de deep learning adaptés au cas d'usage
Comparer les approches (régression, classification, réseaux de neurones)
Optimiser les modèles par tuning d'hyperparamètres et validation croisée
Déploiement et industrialisation
Intégrer les modèles dans les applications et systèmes, en collaboration avec les équipes MLOps/DevOps
Mettre en place les pipelines d'entraînement et de mise à jour
Assurer le suivi des performances en production et détecter les dérives de modèle (model drift)
Restitution et valorisation
Présenter résultats et insights aux équipes métier via visualisations et rapports
Expliquer le fonctionnement des modèles et leur impact business
Compétences attendues
Indispensables
- Machine Learning
- Deep Learning
- MLOps
- TensorFlow
- PyTorch

