France
- Mettre en place un modèle de Machine Learning pour la classification des requêtes du Chatbot CAESAR qui permet la communication entre les conseillers et les experts des caisses régionales. - Extraction de données chiffrées à partir de MongoDB et création d'algorithme pour le déchiffrement. - Clean up et vectorisation des données textuelles (Tf-Idf \Word Embedding). - Entrainement d'un classifier KNN et validation du modèle pour l'industrialisation. - Définir et déployer les meilleures pratiques en Machine Learning et MLOps - Industrialisation de pipelines de NLP et création d'API Python avec Flask.
- Cleanup, migration des scripts/batches de PNL\Risk de Python 2 à Python 3 et amélioration du code. Mise en place d'outils d'alerte et de monitoring journalier pour des infrastructures On-premise (Scripting Python, Geneos). - Répondre à des besoins métiers: Extraction de données d'Elasticsearch et création de rapport journalier de l'application Position Builder avec le statut de l'application, la liste des erreurs et quelques statistiques. - Mettre en place les automatismes de la chaîne CI/CD des scripts dans un environnement de PROD (Jenkins, Ansible, git, bitbucket). - Maintenir et améliorer les pipelines d’intégration \déploiement continu (Scrpting Ansible). - Réaliser les travaux d’installation sur l’ensemble des environnements de la STG à la PROD: Mise à jour du driver Oracle, Installation du Cluster Spark et suivi des Jobs liés à ces installations (Jenkins, bash). - Automatiser, optimiser et Migrer les Jobs sous l'ordonnanceur PRM et suivre les changements et opérations techniques. - Mettre en place des documents, des guides techniques et des procédures d’exploitation.
Développement d'un algorithme pour le matching des cv et des offres et l'intégrer dans la plateforme Jobslake pour la mise en relation des ESN, des consultants et des clients finaux. État de l'art des algorithmes du traitement de langage naturel pour le calcul de similarité des documents textuels. Calcul de similarité à l'aide de l'algorithme Universal Sentence Encoder Multilingual développé par Google pour la transformation des données textuelles en données numériques. \item Entraînement d'un modèle de Deep Learning pour l'extraction des mots clés dans les offres: Named Entity Recognition avec Spacy. Indexation des données dans Elasticsearch et création d'un moteur de recherche pertinent pour la recherche des offres et des candidats. Environnement Technique: Python, NLTK, Deep Learning, Spacy, Tensorflow, Google Collab, Elasticsearch, GIT, AWS, API Rest.