Ingénieur de Données Expérimenté Python SQL Aws H/F - ZS & KEP Paris - 75
- Bac +5
- Services aux Entreprises
- Exp. 1 à 7 ans
- Exp. + 7 ans
Rejoignez une entreprise engagée pour rendre le droit plus accessible et transparent grâce à la technologie. En tant que Data Engineer confirmé(e), vous jouerez un rôle clé dans la construction et l'évolution de la première plateforme d'intelligence juridique.
Vous intégrerez une équipe dédiée à l'acquisition, à l'enrichissement et à la mise à disposition de données juridiques, travaillant en étroite collaboration avec les experts en Machine Learning et NLP.
Vos principales missions :
- Consolider et maintenir les pipelines de données existants pour garantir leur robustesse et leur performance.
- Développer et surveiller de nouveaux scripts en Python pour l'acquisition et le traitement de données juridiques.
- Assurer la qualité des données grâce à des processus de surveillance avancés.
- Collaborer avec les équipes Machine Learning pour intégrer leurs modèles dans les pipelines de données.
- Améliorer les outils et infrastructures de pipelines (Airflow, Kubernetes, Dask, Amazon S3, PostgreSQL, Terraform, etc.) pour maximiser leur efficacité.
- Participer activement au Chapter Data Engineering pour définir et partager les meilleures pratiques en modélisation et traitement des données.
Vous intégrerez une équipe dédiée à l'acquisition, à l'enrichissement et à la mise à disposition de données juridiques, travaillant en étroite collaboration avec les experts en Machine Learning et NLP.
Vos principales missions :
- Consolider et maintenir les pipelines de données existants pour garantir leur robustesse et leur performance.
- Développer et surveiller de nouveaux scripts en Python pour l'acquisition et le traitement de données juridiques.
- Assurer la qualité des données grâce à des processus de surveillance avancés.
- Collaborer avec les équipes Machine Learning pour intégrer leurs modèles dans les pipelines de données.
- Améliorer les outils et infrastructures de pipelines (Airflow, Kubernetes, Dask, Amazon S3, PostgreSQL, Terraform, etc.) pour maximiser leur efficacité.
- Participer activement au Chapter Data Engineering pour définir et partager les meilleures pratiques en modélisation et traitement des données.
tu es intéressé par
Recommandé pour vous
- > Formation
- > Assurance
- > Environnement
- > Graphisme
- > Logistique
- > Edition
- > Biotechnologie
- > SAV
- > Architecture
- > Production
- > Nouvelle-Aquitaine
- > Défense
- > Administratif
- > Agroalimentaire
- > Immobilier
- > Audit
- > Occitanie
- > Automobile
- > Beauté
- > Pays de la Loire
- > Restauration
- > Distribution
- > Santé
- > Ingénierie
- > Service Public
- > Normandie
- > Tourisme
- > Finance
- > Recherche
- > Qualité
- > Enseignement
- > Nettoyage
- > Ressources Humaines
- > Agricole
- > Sécurité
- > Transport
- > Informatique
- > Culture
- > Vente
- > Hotellerie
- > Communication
- > Banque
- > Centre-Val de Loire
- > Pub
- > Chimie
- > Bourgogne-Franche-Comté
- > Artisanat
- > Auvergne-Rhône-Alpes
- > Audiovisuel
- > Industrie
- > Achat
- > Aeronautique
- > Hospitalier
- > Juridique
- > Electronique
- > Outre Mer
- > Provence-Alpes-Côte d'Azur
- > Grand Est
- > Social
- > Ferroviaire
- > Marketing
- > Comptabilité
- > Direction
- > Nautisme
- > Île-de-France
- > Secrétariat
- > Corse
- > BTP
- > Hauts-de-France
- > Commerce
- > Service
- > Gestion
- > Telecom
- > Bretagne