We are seeking a Data Scientist with experience manipulating large tabular and user-behavior datasets. This role is centered on bridging the gap between raw data and high-quality machine learning inputs, requiring a blend of technical expertise and cross-functional leadership. 

Nous recherchons un(e) scientifique des données ayant de l’expérience dans l’exploitation de grands ensembles de données tabulaires et comportementales d’utilisateurs. Ce rôle vise à combler l’écart entre les données brutes et les entrées de haute qualité pour les modèles d’apprentissage automatique, en combinant expertise technique et leadership transversal.

Vous jouerez un rôle clé en veillant à ce que les données soient correctement structurées, validées et alignées avec les objectifs produit et d’apprentissage automatique, afin de permettre le développement de modèles robustes et évolutifs.

Responsibilities

• Cross-Functional Coordination: Work with partner ML and Product engineers and TPMs to spec out data and training requirements. 
• Data Strategy & Pipeline Oversight: Ensure that datasets are correctly curated, filtered, and processed to meet the rigorous standards of production-level machine learning. 
• Requirements Translation: Act as a technical translator, taking high-level project goals and turning them into actionable data specs for engineering and annotation teams. 
• Quality Assurance & Analysis: Maintain high standards for data integrity, ensuring that the behavioral datasets used for training are representative and accurate. 

Responsabilités principales

• Collaboration interfonctionnelle : Travailler avec les ingénieurs ML, les équipes Produit et les TPM pour définir les besoins en données et en entraînement.
• Stratégie des données et supervision des pipelines : S’assurer que les ensembles de données sont correctement sélectionnés, filtrés et traités afin de répondre aux exigences des systèmes d’IA en production.
• Traduction des besoins : Transformer des objectifs produit de haut niveau en spécifications de données concrètes et exploitables.
• Assurance qualité et analyse : Maintenir des normes élevées de qualité des données en garantissant leur exactitude, leur représentativité et leur fiabilité.