Accelerator - Digital Data Scientist - All Gender

Lokalizacja: Paryż

Praca zdalna: 2 dni pracy zdalnej, 3 dni na miejscu

Dołącz do Sanofi i wnieś znaczący wkład w nowoczesną opiekę zdrowotną jako Digital Data Scientist w naszym R&D Accelerator. Wykorzystaj dane i AI, aby przełamywać bariery innowacji w opiece zdrowotnej. Bądź kluczowym graczem w wdrażaniu najnowszych rozwiązań AI, które kształtują przyszłość opieki nad pacjentem.

• Współpraca z zespołami biznesowymi w celu zrozumienia ich wymagań i przekształcenia ich w specyfikacje techniczne.
• Zastosowanie wiedzy z zakresu data science w uczeniu maszynowym, statystyce, prognozowaniu i optymalizacji do wielu projektów i produktów AI.
• Organizacja i analiza dużych zbiorów danych w celu opracowania odpowiednich modeli danych dostosowanych do konkretnych przypadków biznesowych.
• Projektowanie i rozwój modeli, algorytmów, symulacji i eksperymentów przy użyciu najnowszych technologii uczenia maszynowego.
• Realizacja zadań od eksperymentów ML do dostarczania gotowych do produkcji modeli.
• Wykorzystanie technik analizy danych, wizualizacji i opowiadania historii w celu dostarczania rozwiązań opartych na danych AI.
• Współpraca z deweloperami, inżynierami i zespołami MLOps w celu wdrażania rozwiązań AI/ML.

• Rozwój wdrażalnego kodu i wdrażanie modeli w zwinnych, skoncentrowanych na produktach środowiskach.
• Udokumentowane doświadczenie w stosowaniu ML/deep learning do rozwiązywania problemów związanych z molekułami.
• Doświadczenie w pracy z dużymi danymi, eksploracji baz danych i dużą skalą wirtualnego przeszukiwania przy użyciu technik optymalizacji.
• Ekspertyza w środowiskach z wrażliwymi danymi (opiekie zdrowotna, obrona, itp.).
• Doświadczenie w branży opieki zdrowotnej jest dodatkowym atutem.

• Zdolność do współpracy z wieloma zespołami w celu osiągnięcia zgodności i wyników.
• Motywacja własna i silna inicjatywa.
• Wyjątkowe umiejętności rozwiązywania problemów i krytycznego myślenia.

• Ekspertyza w analizie biznesowej, wizualizacji danych i opowiadaniu historii danych.
• Biegłość w kluczowych językach data science (Python, R, Scala) oraz znajomość różnych systemów baz danych (SQL, NoSQL).
• Wiedza w obszarach takich jak uczenie nadzorowane i nienadzorowane, deep learning, reinforcement learning, prognozowanie, statystyka bayesowska i optymalizacja.
• Komfort pracy w chmurze i środowiskach obliczeniowych wysokiej wydajności (AWS, GCP, Databricks, Apache Spark).
• Praktyczne doświadczenie w modelowaniu AI/ML połączone z solidnym zrozumieniem teoretycznych podstaw AI/ML (CI/CD, Orkiestracja).
• Biegłość w narzędziach takich jak Tableau, Power BI, Plotly oraz doświadczenie z różnymi API.
• Dobre zrozumienie regulacji dotyczących AI.

• Doktorat z matematyki, informatyki, inżynierii, fizyki, statystyki, ekonomii lub pokrewnych dziedzin ze silnymi umiejętnościami kodowania, L