ALTERNANT - Assistant Data Scientist H/F

Contenu de l'offre ALTERNANT - Assistant Data Scientist H/F chez Crédit Agricole Leasing & Factoring

Description du poste

Présentation du service :
Au sein de la Direction de la Gestion, de la Recommercialisation et des Engagements (DGRE) et plus particulièrement du département Processus et Outils Décisionnels (POD), l’équipe Data Science & Analytics a pour objectif de mobiliser des techniques quantitatives autour de la donnée, avec pour missions principales : Concevoir et optimiser les modèles et règles du système d'octroi automatique du leasing et du factoring ;
Construire et entretenir les modèles décisionnels (octroi, comportement client, anti-fraude, recouvrement, etc.) à l’aide de techniques innovantes (Machine Learning) ;
Développer des outils d’intelligence artificielle contribuant à l’amélioration de la performance opérationnelle de l’entreprise.
Descriptif de la mission :
Dans une démarche d’amélioration continue de la performance opérationnelle, vos principales missions ont trait à l’optimisation des outils en place et au développement de nouvelles solutions incluant une dimension R&D jusqu’à leur mise en production, parmi lesquelles : L’optimisation des modèles de scoring (XGBoost) pour l’octroi ;
L’optimisation du déploiement des solutions d’extraction d’information par reconnaissance optique de caractères (OCR) ;
La détection de fraude par apprentissage semi-supervisé (autoencoder).
La communication et la restitution claire des résultats d’analyses auprès de publics diversifiés sont essentielles. Vous intervenez ainsi sur des missions stratégiques et à forte valeur ajoutée permettant d'être complètement intégré d'un point de vue opérationnel à l’entreprise et de valoriser vos compétences.
« Toutes les compétences, rien que les compétences » est la devise du Groupe, pour tous renseignements sur nos actions en faveur de la Diversité et du Handicap.
Critères de candidature Date de prise de fonction 01/09/2022 Poste avec management Non Cadre / Non Cadre Non cadre Niveau d'étude minimum Bac + 5 / M2 et plus Formation / Spécialisation Bac + 5 (Mathématiques, Data Science, Informatique ou Econométrie)
Niveau d'expérience minimum 0 - 2 ans Soft skills Connaissance des principales familles et frameworks de Machine Learning ; Maîtrise des techniques statistiques, algorithmique, modélisation de scores, analyse de données ; Bon relationnel, autonomie, rigueur, curiosité et esprit d'initiative et d'équipe Outils informatiques Bonne connaissance des enjeux de programmation sous environnement Python, HiveSQL, SAS, R. Pack bureautique (Excel, Word, Powerpoint). Langues Anglais Entreprise Crédit Agricole Leasing & Factoring Filiale experte du groupe Crédit Agricole, Crédit Agricole Leasing & Factoring est un acteur majeur de l'affacturage, du crédit-bail (mobilier et immobilier), et du financement des énergies renouvelables , en Europe et au Maghreb. CAL&F s'appuie sur les réseaux bancaires du groupe Crédit Agricole (Caisses Régionales de Crédit Agricole, LCL et Crédit Agricole Corporate and Investment Bank), sur des partenaires non bancaires (constructeurs, distributeurs de matériel, courtiers et assureurs crédits). CAL&F développe des solutions destinées aux professionnels, agriculteurs, entreprises de toute taille et collectivités locales. * En crédit-bail, pour l'acquisition de matériels et biens immobiliers ou projets de développement du territoire et d'énergies renouvelables; * En affacturage, pour le financement du cycle d'exploitation, la sécurisation du risque commercial, le recouvrement des créances clients et la garantie contre les impayés; * En financements de projets pour les énergies renouvelables et les infrastructures publiques . Présent dans 9 pays, CAL&F compte 2434 collaborateurs dont 1279 à l'international et gère 22,3 Md€ d'encours (données à fin 2018). CAL&F s'engage à promouvoir la diversité et l'égalité des chances dans le domaine de la mixité sociale, l'égalité professionnelle homme/femme et l'intégration professionnelle des personnes en situation de handicap.