Alternant(e) - Data Scientist H/FCrédit Agricole

Rejoignez Crédit Agricole Leasing & Factoring (CAL&F), filiale experte du groupe Crédit Agricole et acteur majeur du crédit-bail, de l'affacturage et du financement de la transition énergétique. CAL&F intervient sur des marchés porteurs et évolutifs en proposant des solutions destinées aux professionnels, agriculteurs, entreprises de toute taille et collectivités locales :•En crédit-bail, pour l'acquisition de matériels et biens immobiliers;•En affacturage, pour le financement de trésorerie, le recouvrement des créances clients et la garantie contre les impayés;•En financements de projets pour les énergies et les infrastructures durables. 5 bonnes raisons de nous rejoindre : •Une entreprise à taille HUMAINE avec les avantages d'un grand GROUPE. •Une entreprise internationale présente dans 10 pays. •Une entreprise qui veille à ce que chacun ait les moyens d'être acteur de son évolution au sein de l'entreprise et du Groupe. •Une entreprise engagée dans la transition énergétique : CAL&F est le 1er financeur privé des énergies renouvelables en France ! •Une entreprise inclusive qui s'engage à promouvoir la diversité et l'égalité des chances : mixité sociale, égalité professionnelle femme/homme et intégration des personnes en situation de handicap. Quel que soit votre profil, si vous êtes curieux(se), force de proposition et que vous avez une grande capacité à travailler en équipe... Rejoignez-nous !

Au sein du service Modèles, Analyse et Intelligence Artificielle le/la chargé(e) Data Scientist Alternant conçoit, optimise et développe des outils d'intelligence artificielle. Votre périmètre couvre à fois le Machine Learning et le Deep Learning (NLP, Computer Vision).

Dans une démarche d'amélioration continue de la performance opérationnelle, vos principales missions sont les suivantes :

• Développement et optimisation de modèles d'octroi de financements ;
• Développement et optimisation de modèles de lutte contre la fraude ;
• Développement de solutions d'intelligence artificielle (NLP, Computer Vision);
• Participation au déploiement en production de modèles avancés (pratiques DevOps, MLOps) ;
• Communication et restitution claire des résultats d'analyse auprès de publics diversifiés ;