Partenaire technologique des grandes entreprises depuis 1979, le Groupe SII est au cœur de l'économie de l'innovation avec 8000 collaborateurs, une présence internationale dans 18 pays, et un chiffre d’affaires supérieur à 520 millions de dollars canadiens.
SII Canada, installée à Montréal et Toronto, a pour objectif d'apporter des solutions à forte valeur ajoutée à ses partenaires / clients dans les métiers de l'ingénierie et des technologies de l’information.
SII Canada c'est surtout de l’agilité, de la technicité et des métiers passionnants qui génèrent expériences et opportunités de carrières.
Plus de détails sur ton poste?
Collaborer à l’évolution des solutions d’acquisition des données structurées et non structurées
Être amené à travailler dans des environnements de données massives, calculs distribués
Découvrir, structurer, nettoyer, enrichir, valider, préparer et publier des jeux de données dans un format adapté à l’analytique, la modélisation et au BI pour les besoins des lignes d’affaires.
Collaborer avec les scientifiques de données et les experts en visualisation afin de leur fournir les données adéquates
Designer, exécuter et mettre en production les solutions d’apprentissage machine et d’analytique
Comprendre et déterminer les risques et les enjeux reliés aux technologies choisies
Communiquer et vulgariser des concepts techniques complexes aux utilisateurs des plateformes analytiques
Coacher tes pairs pour qu’ils puissent s’approprier les environnements de données
Travailler dans un contexte agile / itératif
Compétences :
Maîtrise de plusieurs langages de programmation SQL niveau avancée obligatoire
Maitrise de shell, Python et javascript un atout.
Expérience dans des technologies liées aux bases de données et Big Data.
Expérience en design et développement de flux de données
Expérience en traitement de données massives à des fins de valorisation des données
Expérience avec des outils de visualisation de données. (PowerBI, Tableau.)
Connaissances en algorithmique et en apprentissage machine (entrainement vs test, mesures de performance des modèles, complexité algorithmique...)
Un atout si tu connais les frameworks Spark, MLlib, sklearn, H2O
Un atout si tu connais au moins une infrastructure Cloud (AWS, GCP, Azure)