Science des donnéesSénior
Science des données × Sénior
Fort de plus de 10 ans d'expérience dans le domaine de la data science, j'ai dirigé la conception de modèles de machine learning et la mise en place de MLOps dans les secteurs de la finance et du e-commerce. J'ai contribué à l'augmentation du chiffre d'affaires de plusieurs centaines de millions de yens grâce au développement d'un moteur de recommandation et à la structuration des données pour un produit dépassant 1 million d'utilisateurs actifs quotidiens. Ma force réside dans ma capacité à mener de bout en bout l'identification des enjeux métier, la réalisation de POC, le déploiement en production et la gestion d'équipe.
📌 Résumé de carrière
- ▸Chez un grand intégrateur système, j'ai été consultant en conception d'entrepôts de données et en déploiement de solutions BI, couvrant la définition des besoins et la modélisation des données pendant 3 ans.
- ▸Rejoint une entreprise technologique étrangère en tant que data scientist senior, où j'ai dirigé le développement d'algorithmes de recommandation pour le e-commerce et la standardisation des pipelines MLOps pendant 5 ans.
- ▸Actuellement, au sein du bureau de promotion DX d'une grande institution financière japonaise, je suis manager d'une équipe de 8 data scientists, en charge de l'IA des modèles de crédit.
📌 Réalisations et atouts
- ▸Rénovation du modèle de recommandation personnalisée pour un site e-commerce, entraînant une hausse de 14% du taux de conversion et une augmentation du chiffre d'affaires annuel de 2,5 milliards de yens.
- ▸Mise en place d'un modèle IA pour l'évaluation du crédit, réduisant le délai moyen de traitement de 3 jours à 15 minutes et diminuant le taux de défaut de 0,8%.
- ▸Internalisation de la plateforme MLOps (Kubeflow, MLflow), réduisant le délai de déploiement en production de 4 semaines à 3 jours.
📌 Compétences
- ▸Langages et frameworks : Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
- ▸MLOps et infrastructure : Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
- ▸Ingénierie des données : dbt, Airflow, Kafka
- ▸Business et management : gestion de projet, constitution d'équipe, négociation avec les parties prenantes, anglais professionnel (TOEIC 920)
📌 Présentation personnelle
- ▸Data scientist axé sur l'impact métier plutôt que sur la technologie pour elle-même. Dans mon précédent poste dans le e-commerce, j'ai proposé un modèle d'apprentissage profond de pointe, mais les parties prenantes métier ont montré des réticences en raison des coûts d'inférence et de la latence. J'ai donc conçu et implémenté un modèle hybride combinant un XGBoost léger et un réseau de neurones, réduisant les coûts d'inférence de 60% tout en maintenant la précision, ce qui a généré une augmentation annuelle du chiffre d'affaires de 2,5 milliards de yens. Cette expérience m'a convaincu que ma plus grande force réside dans ma capacité à équilibrer la curiosité technique et les contraintes métier, en mobilisant les parties prenantes pour trouver la solution optimale.
💡 Conseils clés
- 💡Adaptez votre CV selon le type d'entreprise : pour les entreprises japonaises, mettez l'accent sur vos compétences en coordination et en recherche de consensus ; pour les entreprises étrangères, insistez sur votre rôle de leader technique et votre capacité à constituer une équipe orientée indicateurs.
- 💡Au niveau senior, il est essentiel de montrer non seulement vos compétences techniques, mais aussi comment vous avez identifié les problèmes métier et maximisé le retour sur investissement. Préparez également des exemples d'échecs de projets restés au stade de POC et ce que vous en avez appris.
- 💡L'expérience en MLOps et en gouvernance des données est très valorisée sur le marché actuel ; mettez en avant les chiffres montrant comment vous avez réduit les coûts d'exploitation et de maintenance, en plus du développement de modèles.
🔗 🔗 Autres niveaux
Dernière vérification : 2026-09-06 · Rédaction aijobs