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.
Commentaires
Bienvenue dans les commentaires de postelibre! Gardez les conversations courtoises et sur le sujet. favoriser des conversations productives et respectueuses,
Vous pouvez voir les commentaires de nos gestionnaires communautaires.
Inscrivez-vous pour publier
Connectez-vous pour afficher plus de commentaires
tu es intéressé par
Recommandé pour vous
- > Finance
- > Ressources Humaines
- > Graphisme
- > Automobile
- > Environnement
- > Production
- > Corse
- > Immobilier
- > Commerce
- > Service
- > Tourisme
- > Nautisme
- > Social
- > Communication
- > Santé
- > SAV
- > Informatique
- > Comptabilité
- > Nouvelle-Aquitaine
- > Auvergne-Rhône-Alpes
- > Telecom
- > Industrie
- > Hauts-de-France
- > Agroalimentaire
- > Architecture
- > Pub
- > Hospitalier
- > Electronique
- > Beauté
- > Ferroviaire
- > Secrétariat
- > Hotellerie
- > Normandie
- > Pays de la Loire
- > Sécurité
- > Culture
- > BTP
- > Bourgogne-Franche-Comté
- > Audit
- > Agricole
- > Qualité
- > Ingénierie
- > Administratif
- > Achat
- > Centre-Val de Loire
- > Artisanat
- > Gestion
- > Bretagne
- > Outre Mer
- > Île-de-France
- > Nettoyage
- > Banque
- > Chimie
- > Défense
- > Direction
- > Juridique
- > Recherche
- > Provence-Alpes-Côte d'Azur
- > Marketing
- > Logistique
- > Restauration
- > Distribution
- > Edition
- > Assurance
- > Formation
- > Biotechnologie
- > Audiovisuel
- > Aeronautique
- > Occitanie
- > Vente
- > Grand Est
- > Transport
- > Enseignement
- > Service Public