Believe
Postée il y a 24 heures
Believe est l'un des leaders mondiaux du marché de la musique numérique. Believe a pour mission
d'accompagner les artistes et les labels locaux dans l'écosystème digital en leur offrant des solutions à
chaque étape de leur carrière et de leur développement.
Ce sont plus de 2020 salariés dans plus de 50 pays qui accompagnent les artistes avec expertise,
respect, équité et transparence.
Afin de soutenir notre forte croissance sur tous les continents, nous sommes constamment à l'affût de
nouveaux Believers. Rejoignez-nous afin qu'ensemble, nous ayons un impact fort et plus positif sur
l'industrie musicale !
Believe est cotée sur le compartiment A du marché réglementé d'Euronext Paris (Ticker : BLV, ISIN :
FR0014003FE9).
Ready to #setthetone with Believe?
Le rôle est à pourvoir au sein du Data Office, pôle d'expertise data de Believe regroupant les activités de data management, data engineering, data science et d'architecture data.
Au sein de l'équipe Data Science, en tant que Senior Data Scientist, vous construirez des modèles prédictifs. Vous interviendrez de la définition du besoin business à la restitution des résultats aux équipes métiers.
Ce poste est clé pour structurer et exploiter notre richesse de données afin de créer des modèles prédictifs avancés et des outils d'aide à la décision.
L'objectif est d'apporter une approche scientifique et data-driven aux décisions stratégiques, en s'appuyant sur des techniques avancées en Machine Learning, Data Science et modélisation économique.
Les sujets traités par l'équipe sont transverses et impacteront l'efficacité opérationnelle, le développement d'audience, le marketing ou encore la signature d'artistes.
Un minimum de 5 ans d'expérience en tant que Data Scientist est attendu.
- Un forte capacité d'abstraction et des connaissances avancées en statistiques et mathématiques appliquées sont nécessaires pour ce poste. Un master ou école d'ingénieur spécialisée sur ces thématiques est un pré-requis.
Soft skills
- Sensibilité business & esprit analytique : Capacité à comprendre des enjeux business et à proposer des solutions pragmatiques.
- Communication & vulgarisation : Savoir expliquer des modèles complexes à des non-techniques et adapter le discours selon l'audience.
- Collaboration interdisciplinaire : Travailler avec des équipes métier variées (Sales, Marketing, Finance, Tech).
- Autonomie & proactivité : Capacité à prendre des initiatives et à expérimenter de nouvelles approches.
- Niveau de français et d'anglais courant
Hard skills
Modélisation et Machine Learning avancé
- Une expérience significative sur la prédiction de séries temporelles sera un élément différenciant
- Modèles de scoring et classification
- Modèles de régression avancés
- Apprentissage non supervisé
- Feature engineering et mise en production de modèles
Une expertise dans les domaines suivant sera appréciée (Nice to have)
Expérience en optimisation et aide à la décision
- Optimisation des prix et simulation de scénarios (Monte Carlo, optimisation bayésienne)
- Recommandation algorithmique et ranking (collaborative filtering, hybrid models)
Analyse de la causalité et inférence causale
- Méthodes statistiques pour analyser les interactions et les influences entre différentes sources de données ou canaux de distribution (Causal Impact, Difference-in-Differences, Propensity Score Matching).
- Utilisation des modèles de causalité dirigée (Bayesian Networks, Structural Equation Modeling).
Stack technologique & outils
- Python (Pandas, Scikit-learn, PySpark, TensorFlow/PyTorch, XGBoost, LightGBM)
- SQL et gestion de bases de données (notre data platform utilise Snowflake)
- Git et bonnes pratiques de développement
Un minimum de 5 ans d'expérience en tant que Data Scientist est attendu.
- Un forte capacité d'abstraction et des connaissances avancées en statistiques et mathématiques appliquées sont nécessaires pour ce poste. Un master ou école d'ingénieur spécialisée sur ces thématiques est un pré-requis.
Soft skills
- Sensibilité business & esprit analytique : Capacité à comprendre des enjeux business et à proposer des solutions pragmatiques.
- Communication & vulgarisation : Savoir expliquer des modèles complexes à des non-techniques et adapter le discours selon l'audience.
- Collaboration interdisciplinaire : Travailler avec des équipes métier variées (Sales, Marketing, Finance, Tech).
- Autonomie & proactivité : Capacité à prendre des initiatives et à expérimenter de nouvelles approches.
- Niveau de français et d'anglais courant
Hard skills
Modélisation et Machine Learning avancé
- Une expérience significative sur la prédiction de séries temporelles sera un élément différenciant
- Modèles de scoring et classification
- Modèles de régression avancés
- Apprentissage non supervisé
- Feature engineering et mise en production de modèles
Une expertise dans les domaines suivant sera appréciée (Nice to have)
Expérience en optimisation et aide à la décision
- Optimisation des prix et simulation de scénarios (Monte Carlo, optimisation bayésienne)
- Recommandation algorithmique et ranking (collaborative filtering, hybrid models)
Analyse de la causalité et inférence causale
- Méthodes statistiques pour analyser les interactions et les influences entre différentes sources de données ou canaux de distribution (Causal Impact, Difference-in-Differences, Propensity Score Matching).
- Utilisation des modèles de causalité dirigée (Bayesian Networks, Structural Equation Modeling).
Stack technologique & outils
- Python (Pandas, Scikit-learn, PySpark, TensorFlow/PyTorch, XGBoost, LightGBM)
- SQL et gestion de bases de données (notre data platform utilise Snowflake)
- Git et bonnes pratiques de développement
Un minimum de 5 ans d'expérience en tant que Data Scientist est attendu.
- Un forte capacité d'abstraction et des connaissances avancées en statistiques et mathématiques appliquées sont nécessaires pour ce poste. Un master ou école d'ingénieur spécialisée sur ces thématiques est un pré-requis.
Soft skills
- Sensibilité business & esprit analytique : Capacité à comprendre des enjeux business et à proposer des solutions pragmatiques.
- Communication & vulgarisation : Savoir expliquer des modèles complexes à des non-techniques et adapter le discours selon l'audience.
- Collaboration interdisciplinaire : Travailler avec des équipes métier variées (Sales, Marketing, Finance, Tech).
- Autonomie & proactivité : Capacité à prendre des initiatives et à expérimenter de nouvelles approches.
- Niveau de français et d'anglais courant
Hard skills
Modélisation et Machine Learning avancé
- Une expérience significative sur la prédiction de séries temporelles sera un élément différenciant
- Modèles de scoring et classification
- Modèles de régression avancés
- Apprentissage non supervisé
- Feature engineering et mise en production de modèles
Une expertise dans les domaines suivant sera appréciée (Nice to have)
Expérience en optimisation et aide à la décision
- Optimisation des prix et simulation de scénarios (Monte Carlo, optimisation bayésienne)
- Recommandation algorithmique et ranking (collaborative filtering, hybrid models)
Analyse de la causalité et inférence causale
- Méthodes statistiques pour analyser les interactions et les influences entre différentes sources de données ou canaux de distribution (Causal Impact, Difference-in-Differences, Propensity Score Matching).
- Utilisation des modèles de causalité dirigée (Bayesian Networks, Structural Equation Modeling).
Stack technologique & outils
- Python (Pandas, Scikit-learn, PySpark, TensorFlow/PyTorch, XGBoost, LightGBM)
- SQL et gestion de bases de données (notre data platform utilise Snowflake)
- Git et bonnes pratiques de développement