Aller au contenu
M1405 · CPAM des Yvelines

CPAM des Yvelines - Data scientist (H/F)

Description du poste

La CPAM des Yvelines souhaite investir dans les techniques en lien avec l'Intelligence Artificielle pour améliorer l'efficience de ses actions.

Dans ce contexte, nous recrutons un(e) Data Scientist pour contribuer à la conception et la mise en œuvre d'outils innovants dans la détection de fraudes et d'anomalies dans les remboursements.

Vos missions

Vous participerez au développement de solutions d'intelligence artificielle permettant de détecter des situations atypiques à partir de différentes sources de données et d'optimiser les traitements.

À ce titre, vous serez amené(e) à :

Echanger avec les équipes métier pour comprendre les enjeux et réfléchir aux données à mobiliser;

Concevoir et développer des modèles de Machine Learning et de Deep Learning ;

Exploiter des données structurées et non structurées (ordonnances, factures, données administratives, etc.) ;

Développer des méthodes de détection d'anomalies et de fraudes ;

Evaluer les performances des modèles et proposer des pistes d'amélioration ;

Vous êtes diplômé(e) d'un Master 2 ou d'une école d'ingénieurs avec une spécialisation en Data Science, Intelligence Artificielle, Machine Learning ou domaine équivalent.

Débutant(e) accepté(e).

Compétences techniques

Excellente maîtrise de Python ;

Maitrise du langage SQL

Compétences avérées en Machine Learning et Deep Learning ;

Maîtrise d'au moins une bibliothèque de Deep Learning (PyTorch ou TensorFlow) ;

Connaissance des outils de traitement et d'analyse de données (NumPy, Pandas, scikit-learn),

Des connaissances en traitement de documents, vision par ordinateur ou NLP seraient appréciées.

Données marché — Data scientist

Salaire net mensuel
Débutant4 170
Moyen5 053
Expérimenté5 451
Tension du marché
Équilibré

Cadres administratifs, comptables et financiers (hors juristes)

Médian : 3 200

Projets de recrutement
11 372

postes prévus (BMO 2025)

Métiers associés

À ne pas manquer

Offres similaires.