Entreprise
La Branche Épargne - Prévoyance de la Caisse de Dépôt et de Gestion incarne la vocation de tiers de confiance de la Caisse de Dépôt et de Gestion, conformément à ses textes organiques et règlementaires ainsi que ceux des organismes gérés la Caisse Nationales de Retraites et d’Assurances et le Régime Collectif d’Allocation de Retraites.
La Branche Épargne – Prévoyance de la Caisse de Dépôt et de Gestion assure les missions de la Caisse de Dépôt et de Gestion pour ce qui concerne sa compétence en matière de :
- Mobilisation de l’Épargne ;
- Prévoyance et Retraite à travers la gestion de la Caisse Nationale de Retraites et d’Assurances et le Régime Collectif d’Allocation de Retraite ;
- Assurances.
Adresse
Ryad Business Center Avenue Annakhil Hay Riad - B.P 20 38
Poste
Extraction et Collecte des données
•Assurer l'extraction des données nécessaires à l'analyse ;
•Assurer le traitement des données issues de l'utilisation des produits et d'autres sources externes ;
•Assurer la structuration et la synthèse des données sous forme de résultats exploitables.
Elaboration des modèles de prédictions
•Assurer la création des algorithmes et des modélisations statistiques ;
•Contribuer à la construction d'outils d'analyses pour collecter les données ;
•Assurer une veille sur les nouvelles technologies et solutions logicielles de data science.
Profile recherché
- De formation Bac+5 Ecole d’ingénieur ou équivalent ;
- Une expérience professionnelle de minimum 3 ans dans un poste similaire,
- Très bonne connaissance et expérience en algorithme et modèle de prédiction ;
- Très bonne connaissance en langage de programmation ;
- Techniques de recueil et d'analyse des données ;
- Techniques d'intelligence artificielle ;
- Techniques d’élaboration de tableaux de bord ;
- Techniques de veille technologique
- Maîtrise de Python et ses bibliothèques essentielles telles que Pandas, NumPy, SciPy, LlamaIndex et PyTorch,
- Expérience approfondie en OCR avec Tesseract et PaddleOCR;
- Capacité à gérer des processus avec PM2, à travailler efficacement avec des modèles open source comme LaMa v3, et à mettre en oeuvre des pratiques MLOps à l'aide de MLflow,
- Compétences en fine-tuning de modèles pré-entraînés et utilisation de l'écosystème Hugging Face pour le traitement du langage naturel ;
- Bon esprit d’initiative et de proposition ;
- Engagement et implication ;
- Collaboration et esprit d’équipe ;
- Sens de la rigueur et de l’organisation ;
- Très bonne capacité de communication.
