Data Scientist

Data Scientist

- - - - - - - - - - - -

RÉALISATIONS CLES ATTENDUES

• Le besoin business est compris et formalisé dans une fiche descriptive ou un cahier des charges.
• Les méthodes sont clairement sélectionnées en fonction de leurs fondements théoriques, de leurs avantages et de leurs inconvénients.
• Les données, leur pertinence et leur source sont décrites et hierarchisées.
• Les données sont préparées (nettoyées, enrichies, cartographiées, agrégées, ...) et l'approche est documentée.
• L'analyse des données est mise en œuvre et documentée.
• Le pipeline d'apprentissage automatique est construit, testé et automatisé pour le déploiement. 
• Les algorithmes et les modèles (descriptifs et/ou prédictifs) sont développés et l'approche est documentée.
• Les résultats de l'analyse ou des modèles sont présentés aux clients avec des outils de visualisation des données indiquant les performances et les limites. Le code source est livré et expliqué si nécessaire.
• Les modèles sont validés et les décisions de déploiement sont prises, à partir de la stratégie de déploiement.
• Des revues par les pairs (peer reviews) sont organisées pour assurer la qualité des livraisons.