Datasets:

axel-rda

/

salary_extraction_ft_dataset

like 0

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste LE RÔLE : En tant que Lead Data Engineer, positionné directement en dessous du CTO, vous jouerez un rôle de lead, accompagné par des stagiaires et des alternants. Vous aurez comme responsabilités principales: Construction et maintenance de l architecture data Développement de calculs haute performance robuste et scalable (Utilisation de Python) Collaboration proche avec le Lead Data Scientist pour industrialiser les projets de Machine Learning Réunir les parties développées et les outils utilisés en un seul système d'information Utilisation de la stack de la société : Python pour tout le développement, Kafka pour les algo real time, Docker et Kubernetes pour la conteneurisation, MongoDB et Pinot pour le stockage Profil recherché PROFIL RECHERCHÉ : Le profil devra réunir un maximum des points listés ci-dessous: Vous êtes diplômé d un diplôme d ingénieur ou d un équivalent Bac +5 Vous avez une expérience de plusieurs années en tant que Data Engineer et une volonté de... prendre en leadership Expertise sur Python et capacité à créer du code propre et scalable Vous maitrisez les best practices de développement Data / DevOps Doté d une excellente capacité de communication LANGUES- SAVOIR-ÊTRE- SAVOIR-FAIREAlgorithme Apache Kafka Voir plus Entreprise Senior Data Engineer Paris, Toulouse ou Rennes 55K-65K TECH STACK : Python, Pinot, Kafka, Docker, Kubernetes LA SOCIÉTÉ : C'est l occasion de rejoindre une société qui a créé un SaaS leader sur le marché dans l appui à la transformation digitale ! Grâce à l analyse poussée de comportements utilisateurs et de KPIs précis, le produit de la société anime les communautés pour réussir des objectifs données dans l onboarding de nouveaux outils/plateformes, et accélère la montée en compétences des collaborateurs. En mode startup, la société a levé +20 millions d euros pour accélérer le déploiement de sa solution à l international et continuer d améliorer ses features. La startup vient juste de lancer une nouvelle version de sa plateforme avec des technos open source très moderne, et cherche actuellement un Senior/Lead Data Engineer pour collaborer main dans la main avec le Lead Data Scientist dans le développement continu du SaaS. Autres offres de l'entreprise Personne en charge du recrutement Elie Ancrenaz - Recruteur Salaire 50 - 65 k€ brut annuel Prise de poste Dès que possible Expérience Minimum 3 ans Métier Data engineer Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste CONSEIL POUR LES AFFAIRES ET AUTRES CONSEILS DE GESTION Télétravail Partiel possible

{"salaire": [{"montant_min": 55000.0, "montant_max": 65000.0, "devise": "\u20ac", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Nous développons, pour eux, le premier bracelet GPS vibrant. Tes missions : Développement de nouveaux algorithmes de géolocalisation (Python) Analyse de données Mise en place de sessions de tests (en interne puis avec des déficients visuels) Coordination avec les équipes de l’ISEP et du CNAM Rédaction de rapports détaillés présentant les résultats Le projet sera mené en collaboration avec les équipes de l’ISEP (Institut Supérieur d’Electronique de Paris) et du CNAM (Conservatoire National des Arts et Métiers) composées de thésards et de maîtres de conférence. Profil recherché Ton profil: Expertises : Swift, Kotlin, Python Notions : Machine learning, AR (Augmented Reality), QGIS Connaissances : capteurs téléphone, Bluetooth (Radio Fréquence) Soft skills : rigueur, force de proposition, autonomie Bonus : attrait pour la cartographie Tu es en fin d’étude d’école d’ingénieur, tu veux vivre l’expérience startup et apporter tes compétences techniques et humaines au projet, rejoins nous ... Type d'emploi : Temps plein, CDI Statut : Cadre Rémunération : 35 000,00€ à 51 000,00€ par an Avantages: Prise en charge du transport quotidien Travail à domicile occasionnel Programmation: Du lundi au vendredi Travail en journée Question(s) de présélection: Vos motivations pour le poste ? Langue: Anglais (Optionnel) Lieu du poste : Télétravail hybride (75020 Paris 20e

{'salaire': [{'montant_min': 35000.0, 'montant_max': 51000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Client Details Client Details Ingénieur MLOps - Transport international : À Propos de l'EntrepriseMon partenaire, est le symbole de l'histoire et de l'innovation ferroviaire. Acteur majeur de cette industrie, l'entreprise joue un rôle crucial dans la connectivité nationale et internationale en facilitant les déplacements de millions de personnes et de biens chaque année.Mon partenaire s'engage à moderniser ses services et à façonner l'avenir de la mobilité. Cela inclut l'utilisation de l'intelligence artificielle, du Big Data et des technologies IoT pour améliorer la planification des opérations, la maintenance prédictive et la gestion des flux de passagers. Description Description Ingénieur MLOps - Transport International : La Mission • Concevoir et mettre en place des pipelines MLOps pour le déploiement et la gestion des modèles de machine learning. • Collaborer avec les équipes de recherche et de développement pour assurer le déploiement réussi des modèles. • Gérer les flux de... travail d'entraînement, de test et de déploiement des modèles. • Optimiser les performances et la scalabilité des modèles en production. • Travailler sur la mise en place de bonnes pratiques de sécurité et de gouvernance des modèles. Profiles Profiles Ingénieur MLOps - Transport International : Profil Recherché • Diplôme en informatique, en science des données ou dans un domaine connexe. • Expérience avérée dans la mise en place de pipelines MLOps pour le déploiement de modèles de machine learning en production. • Maîtrise des outils et des technologies liés à l'apprentissage automatique et à l'IA. • Compétences en automatisation et en orchestration (Docker, Kubernetes, Ansible, etc.). • Compréhension des bonnes pratiques de sécurité et de gouvernance des données. Offer Offer Ingénieur MLOps - Transport International : L'Offre • Package entre 65K et 75K avec télétravail partiel. • Environnement de travail dynamique et stimulant dans le domaine de la digitalisation. • Management basé sur la confiance, la responsabilité individuelle et la performance. • Opportunité d'innovation et de contribution aux idées. • Ambiance de travail sympathique dans des locaux très agréables situés au cœur de Paris. Saisissez cette opportunité et envoyez votre CV à l'adresse email suivante : ou appelez-moi au +33 7 66 81 52 40. CONFIDENTIALITÉ ASSURÉE - Si cette opportunité ne correspond pas à vos attentes, n'hésitez pas à la partager avec les personnes de votre réseau qui pourraient être intéressées. Linux - DevOps - SRE - Télétravail - Infrastructure - Cloud - CI/CD - Docker - Kubernetes - Ansible - Terraform - AWS - Azure - GCP - Sécurité - Automatisation

{'salaire': [{'montant_min': 65000.0, 'montant_max': 75000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste Description du poste Le/la data analyst valorise l ensemble des données du Groupe pour en faire un levier de création de valeur. Il/elle utilise notamment les données recueillies en masse (entrepôt de données) pour réaliser les nombreux tableaux de bord nécessaires à différents services de l entreprise (finance, e-commerce, marketing, relations clients, Supplychain, ). Il/elle est également en charge de construire des modèles statistiques pour éclairer les services opérationnels (segmentations clients ou analyses prédictives). Profil recherché ACTIVITES ET TACHES Extraction et Structuration des données Extraire les données nécessaires à l analyse (Base métier, API ). Définir des règles de gestion de nettoyage des bases de données (formatage, suppression des doublons ). Définir des règles de gestion de structuration des différentes bases de données entre elles. Écrire et rédiger les spécifications d automatisation des règles de gestion à la direction des systèmes d... information ou à la maîtrise d ouvrage. Maîtriser la qualité des données tout au long de leur traitement. Analyse et Exploration de données Analyser les données : mettre en avant les corrélations, définir les valeurs aberrantes. Réaliser des tableaux de bord ou des outils de reporting industrialisés. Réaliser des tests statistiques sur les données. Construire et tester des modèles statistiques (régression, forêt aléatoire ). Déterminer ou construire les variables importantes à introduire dans les modèles statistiques. Communication inter service Participer aux ateliers d expression des besoins internes. Comprendre précisément les problématiques métiers et les traduire de manière analytique. Communiquer les résultats et les solutions avec les équipes métiers. Présenter les résultats des analyses grâce à des outils de data visualisation. Spécialités Réaliser des analyse et des reporting de performance sur le paiements Rédiger des documentation et supports pédagogiques liés au périmètre Data Accompagner et former les différents collaborateur métier sur les outils Data (acquisition, visualisation et exploitation Expérience dans le poste - Minimum 3 ans Masquer LANGUES- SAVOIR-ÊTRE- Capacité d'analyse- Maîtrise de soi- SAVOIR-FAIREQualité Analyse de données Voir plus Entreprise Allopneus, leader français de la vente de pneumatique sur le Web et nouvellement filiale du Groupe Michelin, est un écosystème fort de ses 300 personnalités, de plus de 100 métiers en profonde interaction pour une communauté de travail et un lien social fort. Le Groupe par son agilité revendiquée est un formidable incubateur de projets professionnels. Autres offres de l'entreprise Processus de recrutement Si CV sélectionné, appel pour convenir d'un rendez-vous - Entretien Process 1- 30 à 45 minutes d'échange pour valider l'adéquation poste/profil Après validation du Manager, prise de RDV Entretien physique ou en visio. Process 2 - Entretien physique ou visio avec le/la manager expert - 30 à 45 minutes Bilan, analyse et synthèse entretien - En collaboration Manager & Recruteur Personne en charge du recrutement Pierre MAURY - DRH Salaire A partir de 30 k€ brut annuel Prise de poste Dès que possible Expérience Minimum 3 ans Métier Data analyst Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste COMMERCE DE DÉTAIL D'ÉQUIPEMENTS AUTOMOBILES Télétravail Ponctuel autorisé

{"salaire": [{"montant_min": 30000.0, "montant_max": null, "devise": "\u20ac", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Computer Vision/ Deep Learning Engineer IC Resources is looking for Computer Vision/ Deep Learning Engineer to join a deep-tech start-up developing software in the medical space, combining the latest advances in artificial intelligence and robotics, this vacancy is based in Paris. What you will be doing? • Working with a team of experts in computer vision and deep learning. • Full-cycle research and development of computer vision and deep learning modules. • Develop and improve tools for signal processing and filtering of 3D data. • Implement algorithms to analyze, clean and enhance 3D and 2D datasets. Required experience. • MSc or PhD in Computer Science, Computer Vision or similar. • Python and TensorFlow. • Computer Vision algorithms and systems development. • Problem-solving and mathematical skills. What they offer? €55- 80k Interested? Give me a call then! This is a great opportunity for a Master’s or PhD educated Computer Vision/ Deep Learning Engineer. Please apply now for... immediate consideration, you will be speaking to Karla Pineda from IC Resources who is recruiting for this position in Paris, France

{"salaire": [{"montant_min": 55000.0, "montant_max": 80000.0, "devise": "\u20ac", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

/ CDI / Environ 70k€ / 0 - 12+ ans / France Le poste Missions : * Contribuer à la création du produit DataHub, * Contribuer à l'optimisation des pipelines de traitement des données et à l'enrichissement d'un référentiel de données en intégrant de nouvelles sources de données de nos partenaires internationaux, * Faire évoluer les pipelines de données existants, * Intégrer de nouvelles sources de données, * Évaluer la qualité des données, * Analyser et résoudre les incidents de production, * Concevoir des tableaux de bord pour le suivi des applications, * Améliorer les pipelines CI/CD, * Optimiser les performances des pipelines de données et en assurer le déploiement en production. Les responsabilités Pourquoi venir chez nous? Les équipes "agiles" de Michael Page (consultants & chargés de recrutement) vous apportent de l'écoute, du conseil et des offres adaptées à vos attentes en CDI et en free-lance. Les collaborateurs spécialisés par "Hub" sont à votre service pour vous proposer... les meilleures opportunités de carrière dans les domaines suivants : Infrastructures&Réseaux, ERP&Business Solutions, Digital&Data, Développement

{'salaire': [{'montant_min': 70000.0, 'montant_max': 70000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Foodles , c'est la cantine en mieux : plus simple, plus généreuse, et plus conviviale Nous ré-enchantons la vie au bureau en proposant une solution de restauration sur-mesure, livrée clé en main, afin que chaque collaborateur puisse se nourrir sainement et à moindre coût. Votre mission : En tant que Senior Data Engineer chez Foodles, vous serez responsable de la construction et de la maintenance de notre infrastructure de données, ainsi que de nos pipelines de données. Vous devrez comprendre les besoins en données de l'entreprise et travailler en étroite collaboration avec les équipes métier pour répondre à ces besoins. Vous travaillerez également en étroite collaboration avec l'équipe tech et produit pour élaborer des plans à long terme pour notre infrastructure de données. Vous intégrez ainsi une équipe constituée de : • 1 CTO et 10 développeurs • 1 Head of data, 2 data analystes, 1 data scientist • 1 Head of product, 2 product manager et 1 UX/UI designer Vous serez le/la... premier.e Data Engineer à rejoindre l'entreprise et rapporterez directement au Head of Data et êtes le/la principal.e responsable des choix technologiques data. Vos responsabilités : Pour mener à bien votre mission au sein de Foodles, vos principales activités seront les suivantes : • Concevoir et mettre en œuvre l'architecture de notre infrastructure de données pour répondre aux besoins de l'entreprise • Développer des pipelines de données fiables et évolutifs • Collaborer avec les autres équipes de l'entreprise pour comprendre leurs besoins en matière de données et créer des solutions pour y répondre • Assurer la qualité des données et garantir la cohérence des données entre les différents systèmes • Identifier les opportunités d'amélioration de l'infrastructure de données et proposer des solutions pour y parvenir • Développer des processus de sécurité pour garantir la confidentialité et la protection des données de l'entreprise, en particulier les données à caractère personnelles Dans un contexte d'une forte accélération de la data, vous serez amené.e à: • Faire évoluer notre stack pour: • atteindre un haut niveau de service et de fiabilité en production • permettre la croissance de l'équipe data et la transition vers un mode d'organisation data moderne • créer la confiance des équipes business dans la data • permettre le développement de cas d'usage d'IA avancés • Construire des pipelines de données pour collecter des données uniques et ayant énormément de valeur grâce à notre expérience de restauration 100% digitalisée, avec des frigos intelligents et connectés. La stack Data actuelle est la suivante : • Stitch, pour déplacer les données des sources vers le datawarehouse • DBT pour manipuler la donnée au sein du datawarehouse et la rendre utilisable pour des enjeux métiers • PostreSQL pour la datawarehouse • Metabase pour visualiser la donnée Voici un schéma simplifié de l'ensemble de notre stack tech. C'est cette stack que vous devrez amener au niveau supérieur de qualité et de performance. Lorsque l'équipe data engineering et analytics engineering grandira, vous serez en position idéale pour prendre des responsabilités de leadership et de management si vous y aspirez et en démontrez la capacité. Profil recherché : Nous recherchons un.e candidat.e ayant une solide expérience en ingénierie de données et qui peut travailler de manière autonome pour relever les défis techniques complexes. • Au moins 5 ans d'expérience professionnelle en data engineering • Expérience de la mise en œuvre et de la maintenance de Modern Data Stack évolutives et fiables • Expérience de travail avec des bases de données relationnelles et non relationnelles, ainsi qu'avec des outils de traitement des données tels que Spark, Kafka, Hadoop, etc. • Expérience de cas d'usage en temps réel, voire de streaming • Compétences en programmation en Python, Java ou Scala • Compréhension des problèmes de sécurité liés à l'ingénierie de données • Idéalement, une expérience en start-up ou scale-up • Une première expérience de management serait un plus Chez Foodles, nous sommes déterminés à construire une entreprise inclusive et à fournir un environnement de travail diversifié et accueillant pour tous les membres de notre équipe. Nous encourageons les personnes de tous les horizons à postuler, indépendamment de leur race, de leur sexe, de leur orientation sexuelle, de leur religion ou de leur handicap. Pourquoi rejoindre notre aventure ? • Un salaire compétitif (70k€ à 80k€ selon profil & expérience) • La possibilité si vous le souhaitez de télétravailler 4 jours / semaine (si vous êtes en région parisienne) ou en quasi full remote si vous êtes domicilié.e en région en France (présentiel 1x par mois avec toute l'équipe). • Un environnement technique intéressant et varié, avec des problématiques d'échelle stimulantes • Une équipe expérimentée, passionnée et bienveillante • De bons repas Foodles quand vous passez au bureau... à prix très mini (vraiment... mini), tous les midis • La possibilité si vous le souhaitez de télétravailler 4 jours / semaine (si vous êtes en région parisienne) ou en quasi full remote si vous êtes domicilié.e en région en France (présentiel 1x par mois avec toute l'équipe). • Un MacBook Pro M2 de dernière génération. • Et bien d'autres avantages

{'salaire': [{'montant_min': 70000.0, 'montant_max': 80000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

"Depuis notre création en 1996, toutes nos collaboratrices et tous nos collaborateurs ont la même ambition: être l'opérateur qui fait grandir les relations humaines. Nous innovons au service de technologies qui font grandir les amitiés, les liens de famille, les histoires d'amour, les engagements solidaires, les projets collectifs. Nous avons créé le premier forfait illimité, nous avons lancé l'internet mobile. Chaque jour, nous redoublons d'efforts pour fournir un réseau encore plus puissant et étendu pour connecter tous les territoires. Nous sommes 9 500 artisans des liens humains, passionnés, au service de 25 millions de personnes partout en France. Nous sommes 9 500 engagés pour l'inclusion, tous différents : par notre parcours, notre métier, nos idées. Alors si pour vous faire grandir les relations humaines est un métier, on est fait pour être ensemble." Avez-vous déjà rêvé de travailler dans un environnement en perpétuel évolution, défié constamment par l'innovation et le... changement ? Au cœur de la Direction Financière de Bouygues Telecom, au service Comptages, vous interviendrez sur le comptage de nos clients Entreprises tout en gérant les offres associées. Vous serez également partie prenante dans la construction de la clôture des Coûts grâce à notre nouvel outil JACO. Ce que vous ferez au quotidien : Comptages : • Extraire des volumétries clients et réaliser des clôtures budgétaires mensuelles. • Présenter au CoDir Financier et publier à la DG le reporting mensuel des évolutions de notre parc clients, accompagné d'analyses ponctuelles. • Préparer les enquêtes trimestrielles de l'ARCEP et répondre aux autres demandes institutionnelles. Participation à la transformation du système analytique financier de façon transverse pour la Direction : • Piloter le changement d'outil pour la production des clôtures en collaboration avec nos équipes DSI et Métiers. • Industrialiser les productions, optimiser les flux, renforcer les contrôles et proposer de nouveaux indicateurs. • Adapter les principaux reportings sous Tableau. En complément de vos missions principales, vous pourrez intervenir sur des missions de type projet : • Analyser des flux transverses, • sécuriser le périmètre, • créer des indicateurs d'alerte. • Vous êtes diplômé d'une formation Bac+5, type Ecole de Commerce, d'Ingénieur, Université ou IAE. • Vous avez une expérience minimum d'1 an en contrôle de gestion. • Vous êtes reconnu pour votre proactivité pour ne pas rester bloquer sur des problématiques et aller chercher l'information. • Votre curiosité vous permet de comprendre notre mode de fonctionnement et proposer des améliorations. • Votre rigueur, esprit de synthèse et relationnel sont vos atouts pour mener à bien des projets de transformation. • Vous êtes quelqu'un avec une forte appétence pour les sujets data et leur manipulation. • Vous avez de bonnes connaissances d'Excel et pu mettre en pratique l'utilisation de SQL lors de vos expériences professionnelles (obligatoire

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Consept recherche … Description Intégré(e) dans l'équipe projet de notre client Grand Compte, vous êtes accompagné(e) par un parcours d'intégration au sein de notre entité de proximité de 20 consultants avec l'appui d'un groupe indépendant de 100 personnes. Vous intervenez sur les fonctions suivantes : - Réaliser l'extraction de données afin de réaliser les analyses (Web Scraping), - Procéder au Data Mining afin de faire des prédictions stratégiques, - Créer et effectuer les tests d'algorithmes (Machine Learning), - Effectuer le traitement d'images et de texte (Pattern Matching), - Effectuer un reporting des résultats en s'appuyant des outils de Dataviz, Dashboards, - Participer aux vérifications lors des phases de recette, - Assurer une veille technologique sur les outils de Data Science. Environnement Technique : - Langage : Python, SQL, - Frameworks : Tensorflow, PyTorch, Hadoop, Spark, - Intégration continue : Docker, Kubernetes, Jenkins, Profil : De formation... supérieure en Ingénierie Informatique (Cursus Universitaire ou Ecole d'Ingénieurs), vous justifiez d'une expérience significatives en Machine Learning sur des données structurées. En résumé ... • Nantes - 44 • CDI • 35 000 - 40 000 EUR par an • Secteur informatique • ESN • Bac +5 Publiée le 20/04/2023. Réf : c1a6e76035f6ad201767e17de2a5ba2d

{'salaire': [{'montant_min': 35000.0, 'montant_max': 40000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

GEODIS est un leader mondial du transport et de la logistique, reconnu pour son expertise sur l'ensemble de la supply chain. Partenaire de croissance de ses clients, GEODIS intervient sur cinq métiers : l'optimisation de la chaîne d'approvisionnement, le Freight Forwarding, la logistique contractuelle, la distribution & l'express et le transport routier. Avec un réseau mondial couvrant près de 170 pays et plus de 49 400 collaborateurs, GEODIS se classe au sixième rang mondial de son secteur. En 2022, GEODIS a réalisé un chiffre d'affaires de 13,7 milliards d'euros. GEODIS est une société du groupe SNCF. Ce poste est également ouvert à toute personne reconnue travailleur handicapé Basé au siège social de la Line of Business European Road Netwrk à Méry (73), nous recherchons un(e) Data Engineer pour rejoindre les équipes IT. Vos missions principales seront les suivantes: - Vous êtes responsable du maintien en conditions opérationnelles des outils BI utilisés chez Geodis ERN et de... leur bonne utilisation par les équipe de développement BI. - Vous faites évoluer le S.I.D. (organisation des données, qualité, modélisation, gouvernance …) en tenant compte des directives du groupe GEODIS (Datalayer …) - Vous êtes un acteur majeur de l'intégration de nos DATA dans le Datalayer du groupe GEODIS et vous accompagnez les équipes pour leur montée en compétence sur les solutions techniques déployées. Votre profil : - Expériences significatives dans un poste équivalent - Maîtrise de la modélisation d'un SI décisionnel. - Bonne connaissance des solutions embarquées dans un Datalayer (Cloudera …) et des langages structurés (Python, Javascript, Scala …) - Maîtrise d'un ETL (idéalement Talend) - Compétences sur les outils BI (Power BI, Cognos …) - Bon communiquant, pour convaincre, expliquer, transmettre ses compétences - Force de proposition (challenger les offres BI actuelles et futures) +++: Dans un cadre agréable entre lac et montagnes, vous bénéficierez, entre autres, de titres restaurants, d'une épargne salariale attractive, de jours de télétravail, …

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Web Transition recrute un Data Scientist H/F, en Métropole Lilloise Implantés à Paris et à Lille, chaque jour et depuis 10 ans, ce sont 60 consultants Web Transition qui interviennent auprès de nos clients dans le développement de leurs activités digitales. Nous avons rejoint le Groupe MoOngy (5000 personnes) comme la filiale reconnue dans la Transformation Digitale et le E-commerce. Dans les secteurs du retail, du luxe, de la banque & assurance et des services, nos Consultants accompagnent nos clients grâce à leurs expertises en Digital Marketing, Design, Pilotage de Projets Web & Mobile, Data & IT. ✔ Vos missions: Votre mission principale consiste à mettre en place et à accompagner les projets data, ainsi qu’à répondre aux différentes problématiques et besoins métiers. Vous travaillez sur les problématiques e-commerce et marketing clients via des analyses de données et des modélisations, afin de renforcer la connaissance du marché et du portefeuille clients. Vous collaborez... étroitement avec l’équipe data interne (Data Scientist, Data Analyst, Data Engineer) ainsi qu’avec l’équipe marketing. Vous aurez pour principales missions: - L’analyse et l’exploitation des données en grande quantité ; - La définition des modèles prédictifs et des algorithmes d’analyses des données, ainsi que leur mise en production ; - La collecte, la structuration, le croisement et la restitution via des dashboards des données ; - L’automatisation de reporting ; - L’identification des risques et analyse d’impact ; - L’optimisation de la segmentation client à l’aide des statistiques ; - La mise en place des infrastructures Big Data pour traiter les données ; - L’analyse des résultats et la proposition des solutions. ✔ Votre profil: - Issu d'une formation bac+5 (université, école d’ingénieurs ou école de commerce avec spécialisation en informatique/statistiques/mathématiques/économétrie/big data), vous justifiez d’une expérience d’au moins 3 ans sur un poste similaire dans le domaine du e-commerce ; - Vous maîtrisez les langages de traitement de données (Python, R, SQL, ou encore Spark) ; - Vous avez une connaissance approfondie des technologies et services cloud (GCP, Azure) ; - Vous avez d’excellentes capacités de communication et de vulgarisation. Cette opportunité vous intéresse ? N'hésitez plus et tentez l'aventure ! Type d'emploi : Temps plein, CDI Salaire : 30 000,00€ à 50 000,00€ par an Avantages: - Participation au Transport - Titre-restaurant Programmation: - Périodes de travail de 8 heures - Travail en journée Types de primes et de gratifications: - Primes Lieu du poste : Télétravail hybride (92100 Boulogne-Billancourt

{'salaire': [{'montant_min': 30000.0, 'montant_max': 50000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Hello ! Nous c’est WEKEY ! Nous ne sommes ni une ESN ni un cabinet de recrutement. Aaah mais qui sommes-nous alors ? Pour tout savoir sur nous et votre future mission c’est par ici Vous êtes data scientist scoring H/F et vous recherchez une mission en freelance ? Nous avons le projet qu’il vous faut pour l'un de nos clients basé à Niort dans le secteur des assurances. CE QUI VOUS ATTEND Dans le cadre de la mission votre rôle sera : · Concevoir, développer et mettre en œuvre des modèles de scoring en utilisant des techniques avancées d'apprentissage automatique et de statistiques. · Travailler en collaboration avec les équipes métier pour comprendre les objectifs, identifier les variables clés et définir les critères de succès pour les modèles de scoring. · Collecter, nettoyer et préparer les données nécessaires à l'entraînement des modèles. · Utiliser Python et d'autres outils analytiques pour développer des scripts et des pipelines de données efficaces. · Évaluer la... performance des modèles, ajuster les paramètres et effectuer des améliorations continues. · Communiquer efficacement les résultats des analyses et des modèles aux parties prenantes non techniques. CE QUE VOUS ETES Data scientist confirmé avec un minimum de 7 ans d’expérience dans la fonction, vous avez  : · De l’expérience significative dans le développement et le déploiement de modèles de scoring. · La maîtrise de Python et de bibliothèques telles que NumPy, Pandas, Scikit-Learn, TensorFlow ou PyTorch. · De solides compétences en traitement des données, y compris la collecte, le nettoyage et la transformation des données. · Une capacité à travailler de manière autonome et à collaborer efficacement avec des équipes interfonctionnelles. · D’excellentes compétences en communication pour expliquer les résultats complexes de manière claire et concise. CE QUE VOUS AVEZ (AUSSI) ENVIE DE SAVOIR Démarrage : Vous faites quoi demain ? Le client et l’équipe vous attendent dès que possible. Durée : 6 mois renouvelable pour une mission longue durée. Rythme : Hybride: 3 jours TT / 2 jours présentiel TJM : 600€ HT et plus selon expertise. CE QUE L’ON EST Vous êtes toujours là ? WEKEY est un Cabinet de conseil en transformation digitale et conduite du changement. Notre cœur de métier est de vous accompagner en tant que consultant.e indépendant.e pour réaliser des prestations, qui correspondent à vos attentes, auprès de nos clients. Et nos clients et nos talents, on les chouchoute ! Parce que vous partagez nos valeurs de la transparence, du sens du service et de la bonne humeur, alors cette mission est faite pour vous ! CE QUI FAIT LA DIFFERENCE Vous êtes déjà indépendant.e ? C’est parfait, venez rejoindre une top communauté de freelances ! Vous ne l’êtes pas encore ? Wekey vous accompagne pour choisir entre le statut freelance et le portage salarial : bénéficiez de l’écosystème WEKEY pour vous aider dans votre réflexion (Cabinet Breakfree expert-comptable, société de portage salarial etc.) Wekey est avant tout une équipe réactive, à votre écoute et disponible pour : · Trouver LA mission qui vous correspond · Vous accompagner tout au long de votre projet · Anticiper la fin de votre contrat pour vous en proposer d’autres ! Alors ça vous tente ? Postulez ! Nous avons hâte de vous accompagner  CE QUI VA SE PASSER 30 min’ :Alain, Dénicheur de Talents, vous contactera pour un premier échange afin de mieux vous connaître et de comprendre vos attentes. 45 min’ : Vous échangerez avec Anaïs, super Agent de Talents sur le contexte de la mission. 1 h’ : La mission vous intéresse et le client souhaite vous rencontrer, nous préparons ensemble cet échange. 5 min’ : Pour vous annoncer la bonne nouvelle ! Et puis, si ce n’est pas pour cette mission, ce sera pour une autre ! Type d'emploi : Temps plein, Indépendant / freelance Salaire : à partir de 600,00€ par jour Avantages : • Travail à domicile occasionnel Programmation : • Du lundi au vendredi • Horaires flexibles • Travail en journée Lieu du poste : Télétravail hybride (79000 Niort

{'salaire': [{'montant_min': 600.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

WE ARE BETCLIC Betclic est une société tech de jeu en ligne et leader du pari sportif dans plusieurs pays Européens. Tous les jours Betclic s’engage à satisfaire la passion du sport en fournissant la meilleure expérience de divertissement à ses joueurs grâce à des technologies de pointe innovantes qui leur assurent un environnement de jeu sûr et sain. Betclic, dont le siège français est à Bordeaux, est une entreprise multiculturelle et internationale comptant près de 950 collaborateurs répartis dans 5 pays d’Europe: France, Italie, Malte, Pologne, et Portugal. L’univers du sport et du jeu te fait vibrer ? Tu aimes les défis et participer à l’effort collectif? Rejoins l’aventure! ENTER THE GAME En tant que Stagiaire ML Engineer, tu seras intégré(e) au sein de l'équipe Cybersécurité qui est en charge de garantir la sécurité et la conformité des systèmes d’information. YOUR ROLE WITHIN BETCLIC À ce titre, et accompagé par un profil sénior de l'équipe, tes missions sont les... suivantes: • Création d’un modèle de Machine Learning Cyber Securité avec mise en place de l’environnement • Environnement de travail : Microsoft Azure ML • Gisement de données : Microsoft Sentinel (SIEM/Monitoring Cyber sécurité) • Langages (développements) : Jupyter et Python WHO WE ARE LOOKING FOR? Des collaborateurs avec une bonne dose d’humour, du respect et de la bienveillance, un peu de zèle et une réelle passion pour leur métier ! Ce stage est fait pour toi si : • Futur(e) diplômé(e) d’une école d’ingénieur spécialisé en informatique / data. • Tu disposes d’une première expérience (stage ou projet d’études) en Machine Learning • Et enfin, tu as des notions d’anglais. WHAT ARE THE RECRUITMENT STEPS? • Si ta candidature est sélectionnée, tu seras contacté par Maxime sous une semaine pour une préqualification RH (30 minutes) • Nous te demanderons ensuite de réaliser le Test AssessFirst (personnalité, motivations et réflexion) • Tu rencontreras ensuite - Sofiane, Head of Engineering puis tu rencontreras des membres de l'équipe • Enfin, Maxime te recevra en entretien final RH et en profiterons pour débriefer ensemble ton Test AssessFirst Afin d’offrir une expérience candidat idéale, le processus de recrutement Betclic dure, en moyenne, 4 à 6 semaines. WHAT CAN YOU EXPECT? • Une carte Ticket Restaurant® créditée de 10€ par jour (financée à hauteur de 50%) • Un abonnement de transport pris en charge à hauteur de 50% ou une prime annuelle de mobilité durable (200€ pour les trajets domicile – travail en transport durable) • Un accord de télétravail avantageux • Des locaux hors du commun avec un rooftop pour profiter de pauses et de déjeuners au soleil face à la Cité du Vin • Des animations internes pour pimenter ton quotidien • Des cours de sports gratuits dans nos locaux Et surtout, l’opportunité de travailler dans une atmosphère jeune, conviviale et fun! Stage à pourvoir dès Janvier 2024 à Bordeaux. Betclic Group - 117 quai de Bacalan 33300 BORDEAUX Tous nos postes sont ouverts aux personnes en situation de handicap. #J-18808-Ljbffr

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Critères de l'offre • Data scientist (H/F) • Toulouse (31) • CDI • Temps Plein • Secteur : Systémier / Maître d'œuvre Description du poste Description de l'emploi : Airbus Commercial Aircraft est à la recherche d'un Product manager (f/h) pour la mise en place et le maintien en condition opérationnelle de solutions analytiques avancées et de data science (f/m) destinées au domaine finance. Vous ferez partie d'une équipe basée à Toulouse, France développant des solutions analytiques au sein du département IM (DMFP). Vous participerez à la mise en œuvre de solutions visant à soutenir les ambitions de transformation financière d'AIRBUS. Votre environnement de travail : Capitale mondiale de l'aéronautique et capitale européenne de la recherche dans le spatial, Toulouse est une ville dynamique du sud-ouest de la France desservie par un aéroport international. Idéalement située entre la mer Méditerranée et l'océan Atlantique et à proximité des Pyrénées, elle offre de nombreuses... possibilités d'activités de plein air ! Parce que nous prenons soin de vous : • Avantages financiers: Salaire attractif, accords d'intéressement et de participation, plan d'épargne salariale abondé par Airbus, plan d'actionnariat salarié sur la base du volontariat, avec attribution d'actions gratuites en fonction du nombre d'actions souscrites. • Équilibre vie privée / professionnelle: Des jours de congés supplémentaires pour occasions spéciales et des options de transfert de congés, un comité d'entreprise proposant de nombreuses activités socio-culturelles et d'autres services. • Bien-être / santé: couverture complémentaire des frais de santé et de prévoyance (incapacité, invalidité, décès). Selon le site : centre de services de santé, services de conciergerie, salle de sport, application de covoiturage. • Développement individuel: des opportunités d'évolution et des possibilités de formations nombreuses (catalogue de plus de 10.000 e-formations disponibles en libre accès pour développer votre employabilité, certifications, programmes de développement accéléré, parcours expert, mobilité nationale et internationale). Chez Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Partout où cela est possible, nous favorisons la flexibilité dans nos modes de travail afin de stimuler l'esprit d'innovation. Vos challenges: • intégrer une MFT (Multi Functional Team) composée, d' IT Product/Application et d'experts fonctionnels afin de gérer le cycle de vie IT Product/Application ou Service, à la fois en développant les produits/services et en les exploitant pour répondre aux exigences opérationnelles (SLA). • Devenir solution owner d'un portfolio applicatif et conduire les différentes évolutions requises. • Représenter les utilisateurs finaux en assurant une parfaite compréhension de leurs besoins et de leur processus métiers et veiller à ce que les solutions servent au mieux les deux. • comprendre et adhérer aux processus de développement AGILE et Veiller à traduire la vision n du produit et de l'application ou du service dans un backlog priorisé en collaboration avec le owner de l'application ou du produit • Définir les modèles de rétrofacturation pour les produits/applications ou services informatiques respectifs. • Définir et mettre en place les lignes de service adaptées au besoin ou au processus mercier dans lequel s'inscrit les applications concernées. Votre carte d'embarquement: • Maîtrise en data science ou en informatique, ou l'équivalent. • Ingénierie des données (comprendre et gérer les flux de données nécessaires conformément aux processus métiers et à la stratégie financière) Connaissance des technologies de business intelligence & de dataWareHousing (idéalement dans le contexte SAP BW) Expérience des techniques de modélisation des données. • Compétences en analyse de données, statistiques appliquées, exploration de données, science des données seraient un atout important Solides compétences analytiques et mathématiques. Maîtrise des logiciels statistiques et des langages de programmation tels que Python ou R. Expérience de l'apprentissage automatique et de la modélisation statistique. Informatique : Python, R, Matlab, Jupyter Notebooks • Expérience de la gestion de projet et de l'utilisation de compétences et de cadres de gestion de projet (AGILE scrum/Waterfall). • Capacité et volonté d'intégrer une équipe aux profils et objectifs variés • Être à l'aise pour travailler avec un large éventail d'intervenants et d'équipes fonctionnelles. • Bonnes compétences de communication et de résolution de problèmes. • Niveau de négociation de l'anglais. Fourchette de salaire: Fourchette de salaire sur la base du profil recherché : 45 à 55 K€/an (incluant une part variable basée sur votre performance). Information fournie à titre indicatif. Vous ne matchez pas à 100%? Pas d'inquiétude! Airbus vous accompagnera dans votre plan de développement. Donnez une nouvelle dimension à votre carrière en candidatant en ligne maintenant! Cet emploi exige une connaissance des risques de conformité potentiels et un engagement à agir avec intégrité, comme base de la réussite, de la réputation et de la croissance durable de la société. Unité légale : AIRBUS SAS Type de contrat : CDI ------- Classe Emploi (France): Classe F12 Niveau d'expérience : Expérimenté(e) Famille d'emplois : Information Mgmt and Digital Technology En soumettant votre CV ou votre candidature, vous autorisez Airbus à utiliser et stocker des informations vous concernant à des fins de suivi de votre candidature ou de futurs emplois. Ces informations ne seront utilisées que par Airbus. Airbus s'engage à assurer la diversité de sa main-d'œuvre et à créer un environnement de travail inclusif. Nous accueillons toutes les candidatures, quels que soient le milieu social et culturel, l'âge, le genre, l'invalidité, l'orientation sexuelle ou les croyances religieuses des postulants. Airbus est depuis toujours attaché à l'égalité des chances pour tous. En tant que tel, nous ne demanderons jamais aucun type d'avance de frais dans le cadre d'un processus de recrutement. Toute usurpation d'identité d'Airbus à cette fin doit être signalée à emsom@airbus.com. Chez Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Dans la mesure du possible, nous favorisons les modalités de travail flexibles pour stimuler la pensée innovante

{'salaire': [{'montant_min': 45000.0, 'montant_max': 55000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Mon client est à la recherche de deux Data Ananlyst avec des déplacements sur ses deux sites situés dans le 94 et 93 mais le plus souvent vous serez basé dans le 94. Mission Les Datas Analysts devront s’approprier les environnements data du Groupe et répondre à des missions de data analyst. Le responsable de la DF pourra prendre l’initiative d’incuber la ressource dans les directions métiers ou dans le cas contraire de laisser la ressource au sein de la DF et de réaliser la prestation pour la DSI. Des connaissances fonctionnelles des domaines suivants seront très appréciées : - Domaine Client et Retail : le panier moyen, les redevances, la gestion des abonnements parkings etc - Domaine Maintenance : le suivi des levées de réserves, les avis, les OT etc - Domaine RH et contrôle de gestion sociale : ETP, Turnover etc Profil candidat: - Maitrise des outils Data et des paradigmes de BI et Big Data : Ecosystème Microsoft Azure, Databricks, Power BI Cloud et RS (on premise) - SAP Business... Object (Webi) et ETL BODS 4.2 (seront très appréciées) - Microsoft Azure DEVOPS - Méthodes Agiles : Scrum Benefits TJM : selon profil Démarrage : ASAP Lieux : -téléphone masqué- remote

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description de l'établissement : Situé dans le 12ème arrondissement de Paris (Bastille), l’hôpital national de la vision des 15-20 est un établissement public de santé de ressort national spécialisé en ophtalmologie, reconnu internationalement dans le traitement des pathologies affectant la vision. Il assure l’ensemble des missions d’un hôpital universitaire (soins, enseignement, recherche et prévention) et propose, chaque année, une prise en charge d’excellence à près de 120 000 patients. Structurée autour de quatre services hospitalo-universitaires d’ophtalmologie, l’organisation des 15-20 est entièrement tournée vers la prise en charge des maladies de l’œil et la pratique d’opérations chirurgicales (25 000 par an), dont 86% se font en ambulatoire. L’offre de soins s’appuie sur trois centres spécialisés du glaucome, de la cornée (y compris chirurgie réfractive et kératocône) et de la rétine, qui complètent les consultations assurées par le centre des consultations d’ophtalmologie... (CCO). Outre l’accueil de plus de 50 000 urgences ophtalmologiques 24h/24 et 7jours/7, l’hôpital propose ainsi une prise en charge de haut niveau de la majeure partie de la pathologie ophtalmologique, qu’elle soit médicale, chirurgicale ou neuro-ophtalmologique. Présentation du service et de l'équipe : Entièrement tourné vers l’ophtalmologie, le Centre Hospitalier National d’Ophtalmologie (CHNO) est devenu, au fil du temps, un véritable pôle de référence dans le traitement des pathologies de l’œil. A cet effet, le centre hospitalier national comporte : • Quatre services d’ophtalmologie disposant des équipements les plus performants et les plus récents, • Un service d’anesthésiologie et un bloc opératoire de 8 salles, Un service de médecine interne, • Un service de neuro-imagerie (doté d'une IRM de dernière génération et d'un scanner à rayons X), • Un laboratoire de biologie médical et d’anatomopathologie, • Un service d’urgences, • Une pharmacie hospitalière, • Des consultations générales et spécialisées. Dans le cadre de l’Institut Hospitalo-Universitaire (IHU) associant le CHNO, l’Institut de la Vision (IdV), l’INSERM, Sorbonne Université et la Fondation Voir et Entendre, le CHNO se dote d’un entrepôt de données cliniques sous la responsabilité d’un médecin spécialisé en informatique médicale. Pour mener à bien ce projet, une équipe est constituée autour de ce responsable médical et comprendra : • 1 ingénieur data • 1 data scientist profil «Méthodologie et biostatistique» 1 data scientist profil «Machine learning et traitement de l’image Description de la mission : Mission générale L’entrepôt de données cliniques vise à remplir un certain nombre de missions autour de la numérisation des pratiques au sein du CHNO, du développement de la recherche clinique interne au CHNO, ainsi que de l’accélération des collaborations avec l’IdV dans le cadre de l’IHU. Il s’agira dans la pratique de la constitution de files actives de patients recrutables dans des essais cliniques, la constitution de cohortes, la réalisation d’études rétrospectives sur données de vie réelle collectées lors du soin dans l’établissement, et la collaboration sur des projets de recherche translationnelle avec les chercheurs de l’IdV et ses partenaires internationaux. Le rôle du data scientist ML/images sera d’accompagner les chercheurs de l’hôpital et de l’institut de la vision dans leurs projets de recherche autour de l’entrepôt et spécifiquement du traitement des images. Le data scientist est compétent en méthodologie de la recherche, en machine learning, réseaux de neurones convolutionnels, traitement du signal. Missions permanentes • Accompagnement méthodologique des projets de recherche sur l’entrepôt • Extraction de données de l’entrepôt • Extraction des images de systèmes d’imagerie divers • Data management des données extraites • Conception de modèles de classification d’images • Rédaction de rapports d’analyse Rédaction des parties méthode et résultats d’articles scientifiques Profil recherché : COMPETENCES REQUISES L'expérience particulière souhaitée Titulaire d’un diplôme Bac+5 en data science, statistiques, biostatistiques avec expérience de 2 à 4 ans dans le secteur de la recherche bio-médicale et disposant de compétences dans les secteurs suivants : Ø Méthodologie de la recherche scientifique et biomédicale Ø Maîtrise de R / Python Ø Maîtrise des libraires de deep learning (Keras, Tensorflow, …) Ø Expérience dans le traitement d’imagerie médicale et des formats DICOM Ø Data management Ø Modèles multivariés, modèles de survie Ø Interrogation de bases de données SQL Ø Familiarité avec les environnements UNIX/Linux Maîtrise de l’anglais scientifique et médical Horaires : Horaires normaux Période de la journée : Jour Contrat à durée déterminée, Contrat à durée indéterminée, Contrat à durée indéterminée

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Poste : RATP DEV, filiale du Groupe RATP, assure l’exploitation et la maintenance de réseaux de transport urbains et interurbains dans 15 pays au travers de 100 filiales. Grâce au professionnalisme de nos 24 000 collaborateurs et à l’expertise d’un leader mondial du transport public, nos filiales apportent performance, dynamisme et fiabilité à nos clients et aux voyageurs de leurs réseaux. Au sein de RATP Dev, la Business Unit France-Suisse (50 filiales, 5100 collaborateurs) assure le développement des activités du groupe au service des voyageurs et des autorités organisatrices de transport en France et en Suisse. Dans un contexte d’augmentation des besoins dans un domaine en forte transformation, la Business Unit (BU) France/Suisse de RATP Dev recrute un ou une Data Analyst hf. Vous êtes rattaché-e à la Direction des opérations de la BU France/Suisse de RATP Dev. Comme Data Analyst, vous êtes rattaché-e au Data Manager au sein du pôle « Systèmes Opérationnels & Data », et... assistez la BU et ses filiales dans leurs besoins et projets liés à la donnée. Vos missions principales sont de collaborer avec le Data Manager afin de répondre aux besoins data de la BU France/Suisse et de ses filiales à travers des projets de collecte de données, de modélisation et de data visualisation. A ce titre, vos principales missions sont les suivantes : Projets data visualisation o Vous être responsable de la définition et de la mise en place des tableaux de bord de visualisation des données (Qlik Sense) o Vous conceptualisez la structure de chaque tableau de bord o Vous animez des ateliers de travail avec les équipes métiers o Vous développez, automatisez et mettez en service les reportings o Vous assurez le SAV de vos productions Collecte de données o Vous cartographiez les données à collecter o Vous assurez la conformité du traitement des données : respect des règlementations sur les données (RGPD et règlementations locales), respect des règles de confidentialité des données, respect de l’intégrité des données o Vous participez à la création des modèles de données en vue de l’alimentation du datalake RATP Dev o Vous recettez et validez la solution mise en place et la qualité des données Veille technologique o Vous suivez les dernières évolutions de l’outil BI permettant d’enrichir l’ergonomie des applications. o Vous vous tenez informé des développements de nouveaux outils / technologies permettant d’optimiser les traitements des données ou la mise à disposition des tableaux de bord Communication & sensibilisation o Vous participez à la communication sur les projets data au sein de la BU et de ses filiales afin de faire connaître les solutions déployées o Vous participez à la sensibilisation de la BU et de ses filiales sur les sujets liés à la donnée, leur importance et leur prise en compte dans les projets SI. Profil : · Vous êtes diplômé en informatique, data science ou statistiques. · Vous avez de bonnes connaissances techniques sur Qlik Sense, Python, Snowflake et le requêtage de base de données (SQL). · Vous êtes méthodique, organisé-e et avez un bon sens de la communication pour manager des projets tant avec des contributions internes qu’externes (consultants) grâce à votre vision technique et votre sens de l’exigence. · Vous avez la capacité de comprendre et de challenger un besoin métier pour le retranscrire dans un modèle de données. · Votre capacité de synthèse et de formalisation des attentes et besoins ainsi que votre capacité d’écoute et d’échange vous permettent de répondre aux attentes du poste. · Vous êtes à l’aise avec l’habitude de « rendre compte ». · Vous aimez travailler en équipe dans un univers en fort développement dans lequel il est nécessaire de prioriser les projets. · Vous êtes ouvert aux problématiques plus générales de l’entreprises et votre sens du partage d’information est capital pour apporter les réponses-métiers les plus complètes (transverses), les plus efficaces (opérables) et les plus sûres (durables). · Vous êtes culturellement en « veille technique ». Poste basé à Paris 12ème avec des déplacements possibles en Filiale (France et Suisse). Télétravail possible deux jours par semaine. Entreprise : Afin de soutenir la croissance de notre groupe et développer de nouvelles solutions de mobilité, au service de nos partenaires et clients, nous accompagnons le développement de nos collaborateurs et encourageons leur mobilité tant fonctionnelle que géographique. RATP Dev, filiale du Groupe RATP, assure l'exploitation et la maintenance de réseaux de transports urbains et interurbains dans 15 pays au travers de plus de 100 filiales. Grâce au professionnalisme de nos 27 000 collaborateurs et à l'expertise d'un leader mondial du transport public, nos filiales apportent performance, dynamisme et fiabilité à nos clients et aux voyageurs de leurs réseaux

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data Analyst Paris, Ile-de-France €38 000 - €40 000 Rejoignez ce groupe retail français de renom en tant que Data analyst au sein d'une équipe dynamique en pleine expansion. Au sein de cette équipe, vous participerez à l'élaboration et la mise en oeuvre du plan de contact. Vous participerez à l'amélioration l'efficacité des actions de personnalisation et veillerez à la qualité de la donnée. LE PROFIL Vous êtes diplômé d'une formation en Data analyse Vous disposez d'une première expérience en stage ou alternance Vous êtes customer-driven Vous êtes motivé et intéressé par le monde du retail Si vous êtes intéressé(e), postulez en cliquant sur le bouton ou en envoyant votre CV à

{"salaire": [{"montant_min": 38000.0, "montant_max": 40000.0, "devise": "€", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Qui sommes-nous? Fédérateur de talents au service de l'excellence digitale, Néo-Soft est un Groupe indépendant de conseil en transformation digitale. Reconnu pour l’expertise de ses 1 700 consultants et ses 15 implantations dans 4 pays, nous sommes spécialisés dans 5 domaines d'expertise : - Conseil & Gestion de projet - Domaine applicatif - Systèmes & Réseaux - Cybersécurité grâce notre filiale dédiée Cogital - Data Une offre diversifiée pour accompagner nos clients tout au long de leurs projets. Animés par une forte exigence sociétale et engagés sur les enjeux environnementaux, nous nous mobilisons au quotidien pour le bien-être de nos consultants, une démarche récompensée par le label Engagé RSE et l’obtention du label Happy At Work depuis 4 ans. Data ? Ops ? Data Ops ? La data et le développement vous intéressent ? Et si vous rejoigniez nos équipes présentes chez nos clients sur des problématiques Big Data dans les secteurs du Retail, de la Banque, et de l’Assurance. Les... équipes sont organisées via une approche Agile autour de l’amélioration continue. Vous interviendrez sur la conceptualisation et l’architecture des modèles de données à mettre en place, modèles qui répondront à des problématiques de segmentation clients (lister d’autres enjeux clients) Vous évoluerez dans des environnements autour de GCP, AWS, Azure sur des langages tels que Python, Scala, Java, Golang

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Additi** • *Contrat à Rennes 35000** • *Les missions que l'on pourra te confier**: - Stratégie opérationnelle : analyses de performance, aide aux décisions stratégiques et pilotage de l’activité commerciale, - Optimisation et automatisation des opérations : mise en place de processus, d’outils et de features produit pour fluidifier les opérations, - Accompagnement des équipes sales : structuration des équipes, soutien aux managers commerciaux dans la gestion de leurs équipes et de leurs projets, - Accompagnement des équipes marketing : automatisation, exploration de nouveaux canaux, qualification et traitement des leads. Monitoring et performance (40%): - Modélisation de data pour assurer le suivi de la performance commerciale et marketing, - Analyse de données approfondie pour identifier des axes d’amélioration et maximiser la productivité de l’équipe, - Mise en place de nouveaux KPIs et de la remontée data requise avec l’équipe produit/tech. Structuration et process (30%): ... Définition de nouveaux process de suivi de la performance, - Préparation et animation des réunions avec le management, - Product Management et interface avec les équipes tech. Mise en place et suivi de projets (30%): - Réalisation d’analyses ad hoc pour étudier le fonctionnement des opérations et identifier de nouvelles opportunités d’optimisation, - Automatisation des tâches chronophages et à faible valeur ajoutée, en collaboration avec l’équipe Commerciale/produit/tech, - Mise en place d’outils à destination des équipes sales et marketing. - Expert Crm et Salesforce vous participez à la montée en expertise via un suivi précis • *Ce qu’on attendra de toi**: - Participer activement à penser et mettre en place la stratégie opérationnelle, - Travailler en transversalité avec toute la BU, - Exprimer ta personnalité et apporter un regard complémentaire, - Remettre en question les process actuels et améliorer la performance des équipes. • *Ce que tu peux attendre de nous**: - Avoir un terrain d’expérimentation très vaste - Avoir à disposition des outils qui te permettront de monter rapidement en compétences (Salesforce, QlikSense ) - Travailler dans la bienveillance et la confiance - Participer à la stratégie et l’appliquer pour apprendre à utiliser avec finesse les outils et leviers marketing - Vivre une expérience qui aura de la valeur dans ton parcours • *Le profil idéal qu’on recherche**: - Tu es cartésien(ne) et curieux(se), rigoureux(se) envers toi-même comme de tes collègues - Tu aimes être autonome dans ton travail - Tu aimes apprendre, aller vers les autres, prendre des initiatives, tester - Tu as déjà 1 ou 2 **expériences significatives** - Tu es perfectionniste et as la volonté d'aller au-delà de ce qui t'es demandé Si tu ne "coches pas toutes les cases" mentionnées ci-dessus et que l'opportunité t'intéresse, pas d’inquiétude, la liste est ni exhaustive ni exclusive. • *Pourquoi nous rejoindre ?** - L’opportunité d’avoir une montée en compétence rapide - Des locaux et un cadre agréables (Ligne de Bus C1, arrêt Sauvaie ou Ligne 11, arrêt Veyettes) - Une ambiance ambitieuse, pro et sympa - Une équipe pluridisciplinaire et complémentaire ambitieuse Ce poste en CDI** **est à pourvoir dés que tu es disponible. Tu es attiré(e) par le monde des médias et de la publicité ? Société du groupe SIPA Ouest France, ADDITI propose aux annonceurs une offre publicitaire unique, basée sur des médias puissants et des solutions digitales ciblées. ADDITI réunit plus de 750 salariés sur 50 départements et fédère les savoir-faire de régies publicitaires dédiées par marchés et secteurs d’activité, de sites d’annonces, de radios et d’affichage. Additi, expert en communication locale, recherche pour son Marché de l'alimentation dédié aux **professionnels de l’alimentation **(Grandes surfaces alimentaires, commerces de bouche, entreprises agro-alimentaires et acteurs du monde agricole **sur le Grand Ouest : un.e SalesOp ** Rejoins-nous et ADDITIonnons nos talents

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

En bref, c'est quoi ? Ta mission principale consiste à Industrialiser des cas d'usage métier datasciences en collaboration étroite avec les Data Analyst, les Data Scientist et les équipes de l'IT. Ton quotidien ? Tu es rattaché(e) à la Direction DATA et ANALYTICS. Dans ce cadre, tu seras amené(e) à : - Industrialiser des cas d'usage métier datasciences en collaboration étroite avec les Data Analyst, les Data Scientist et les équipes de l'IT : Préparer des données issues de la plateforme en collaboration avec les Data Scientist, Industrialiser les différents codes applicatifs, Gérer des flux de données sur la plateforme data, Pré-industrialiser des modèles de Machines Learning préparés par les Data Scientist (packaging, déploiement, monitoring des modèles, …) et back-testing en collaboration avec les équipes IT, Superviser les flux d'alimentation du data lake, … - Contribuer à la construction de la nouvelle plateforme data Matmut sur Google Cloud Platform (outils, process... pratiques d'industrialisation) : Choix d'architecture, Mise en place des outils de Devops au sein de l'équipe, Template projets (architecture type, automatisation des builds & deploy, CICD, …) Mise en place de bonnes pratiques (code, normes, gouvernance des outils, …) Développement de librairies internes pour réutilisation des traitements, Monitoring, Outillage MLOps (reproductibilité, standardisation et automatisation des packaging et déploiement, automatisation des réentrainements, triggers, process, …) … - Vulgariser et évangéliser la data au sein du groupe. Ta satisfaction ? Tu as envie de te sentir vraiment utile, avec un job intéressant, varié, ou tu pourras faire la différence. Faire partie d'une équipe jeune, dynamique, motivée sur des vrais sujets concrets … Profil Ton profil ? Tu as au moins 5 ans d'expérience en Data Engineering, Tu es un solide développeur Python avec de l'expérience dans des contextes d'industrialisation, Tu as des compétences Spark et sais concevoir des traitements optimisés, Tu es à l'aise avec les outils et pratiques de développement (Git, CI-CD), Tu as de l'expérience dans des contextes Big Data et/ou cloud (idéalement GCP) : organisation d'un data lake, stockage et traitements distribués, services cloud, … Tu as l'habitude de travailler avec des Data Scientist et tu as déjà industrialisé des projets de Data Science, Pout terminer tu es doté d'un bon esprit de synthèse, tu es reconnu pour ta capacité de communication, ta rigueur, ton organisation et ton esprit d'équipe. Ton salaire et avantages ? • A partir de 50 000 k€ (évolutif selon expérience) • Intéressement et participation aux résultats • Mutuelle santé à 2 € par mois • Télétravail (2 jours par semaine) • Remboursement des frais de transport public à hauteur de 75 % • Comité Social et Économique (CSE) avec de nombreux avantages • Matmut Académie (formations et parcours professionnels) Tu as envie d'un employeur mutualiste, engagé, proche de ses clients sociétaires et de ses collaborateurs ? À la Matmut, nous croyons que sens et ambition sont indissociables. Notre mutualisme, ancré dans la réalité, agit et met en mouvement chacune et chacun d'entre nous. Pour répondre aux besoins de nos 4,5 millions de clients sociétaires et 6 500 collaborateurs, nous nous adaptons chaque jour aux évolutions de la société. Groupe complet d'assurance, les valeurs mutualistes sont à la base de notre fonctionnement. Notre modèle, sans actionnaires, fait partie de notre ADN depuis plus de 60 ans. Chacun d'entre nous met ainsi son énergie et son expertise au profit du bien commun. Concrètement Nous travaillons au service et avec nos clients sociétaires, qui contribuent à la prise de décision et à notre stratégie de développement. Chacun d'entre nous s'implique à leurs côtés. Chacun d'entre nous reste proche d'eux, notamment avec nos 480 agences partout en France. Ensemble, nous agissons pour que la société soit plus solidaire, plus inclusive, et plus active face aux changements climatiques. En résumé « Nous assurons, nous accompagnons, nous protégeons, nous nous engageons, c'est notre raison d'agir au quotidien pour aider chacun à construire et rêver demain. » C'est notre Raison d'être, notre raison d'agir. Toi aussi, Tu partages ce sens de l'engagement ? Alors échangeons A compétences égales, ce poste est ouvert aux travailleurs en situation de handicap ou assimilés au sens de l'article L. 5212-13 du Code du travail. L'UES Matmut s'engage en faveur de la diversité, l'égalité professionnelle, l'emploi des travailleurs handicapés. Contrat DUREE INDETERMINEE Temps de travail Temps complet Statut Cadre Localisation du poste Lieu 66 rue de sotteville 76100 rouen Critères candidat Niveau d'études min. requis BAC. + 5 Niveau d'expérience min. requis 6 ans et plus

{'salaire': [{'montant_min': 50000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Les missions du poste Seyos est un cabinet de recrutement spécialisé dans les métiers de l'IT. Nous intervenons au niveau national et proposons aux candidats des opportunités professionnelles au sein d'éditeurs de logiciels, DSI d'entreprises (clients finaux), startups, acteurs E-commerce. En 9 années d'existence, plus de 1 300 professionnels de l'IT et du Digital ont déjà été recrutés par l'intermédiaire de Seyos au sein de 400 entreprises. Fondé en 1997, notre client est une association privée qui joue un rôle crucial dans le développement et la sécurité de l'Internet français. Composé de +90 collaborateurs, ils sont chargés de la gestion des noms de domaine en.fr et de la préservation de l'infrastructure Internet en France. Cette association a pour principal objectif de fournir aux internautes et aux acteurs du numérique une infrastructure nationale de noms de domaine robuste, résiliente et performante. Vous allez rejoindre la DSI (+40 collaborateurs) dans un environnement... Agile / SCRUM et prendre part à des projets grandissant (croissance des équipes). Localisation : Guyancourt (78280) - Semaine de 4 jours (Télétravail : 2 jours / semaine). Environnement technique : Python, SQL, Tableau, Talend. Rémunération : 45 000 / 50 000 Euros (annuel) - Hors prime et avantages. Rattaché au département Etude et Développement, en étroite collaboration avec la data analyst senior, vous allez : - Mettre en oeuvre les outils informatiques, les techniques et les méthodes statistiques pour permettre d'organiser, de synthétiser et de traduire efficacement des données, - Construire des modèles satistiques pour les opérationnels (segmentation clients ou analyse prédictive), - Dans un environnement BIG DATA, vous réaliserez des tableaux de bord et des visualisations claires et impactantes pour faciliter la prise de décision et fournir un appui analytique, - Extraire des insights significatifs à partir de données complexes, - Collaborer étroitement avec les équipes métier pour comprendre leurs besoins en analyse de données. Le profil recherché Votre profil : - Vous êtes diplômé d'un Bac +4/5 (Ecole d'ingénieur ou Université française) en statistiques, informatique, mathématiques appliquées, - Vous avez 2 ans d'expériences minium sur les projets de Data science/Data Analyst,- Vous avez une maîtrise de Python, SQL, Talend, ou Tableau, - Vous avez un esprit d'équipe, autonomie et passion pour les défis analytiques, - Vous avez une capacité à communiquer vos analyses de manière claire avec une orientation décision. Nombreux avantages : - Semaine de 32h (payé 35h) avec paiement des heures supplémentaires, - 7 semaines de congés payés, - Formations certifiantes, - Prime sur objectif (1 mois de salaire + abondement), - Prime d'intéressement/participation, - Locaux moderne, proche des moyens de transport (10 min de la gare de Montigny-le-Bretonneux), - Parking disponible, - Forfait Mobilité Durable (Prime selon moyen de transport ou 75% remboursement des frais transports), - TR et restaurant d'entreprise, - Salle de sport. Bienvenue chez Seyos Seyos est un cabinet de recrutement spécialisé dans les métiers de l'IT. Nous intervenons au niveau national et proposons aux candidats des opportunités professionnelles au sein d'éditeurs de logiciels, DSI d'entreprises (clients finaux), startups, acteurs E-commerce. En 9 années d'existence, plus de 1 300 professionnels de l'IT et du Digital ont déjà été recrutés par l'intermédiaire de Seyos au sein de 400 entreprises. Mais aussi...

{'salaire': [{'montant_min': 45000.0, 'montant_max': 50000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description du poste et Missions Le poste est un poste de Senior Data Scientist avec comme missions : • Mentoring d'une équipe composé de ML et Data Engineer • Travail sur les orientations du produit et l'organisation des tâches en collaboration avec le Lead Data Scientist et le Lead Tech Senior. • Participation aux développements des fonctionnalités data et IA • Échanges et présentations avec les clients • Veille scientifique et travaux de R&D Le mode de travail est hybride avec 2 à 3 jours de présence par semaine. Les locaux sont à Paris 14eme. Chez Dataswati by VIF, nous opérons en mode startup favorisant la réactivité et la proximité. Nous sommes avant tout une équipe humaine, compétente et dynamique, rejoignez l’aventure! Profil recherché Informations utiles LOCALISATION La Chapelle-sur-Erdre - 44, France - pas de déplacement CONTRAT CDI SALAIRE Non défini NIVEAU DE QUALIFICATION Ingénieur/Cadre/Bac +5 EXPÉRIENCE 1 à 7 ans, + 7 ans MODALITÉS DE TRAVAIL Temps... complet FONCTION Informatique - Systèmes d'Information SECTEUR Industrie Agro-alimentaire, Secteur informatique/ESN TÉLÉTRAVAIL Partiel Qui sommes nous ? VIF 44240 La Chapelle-sur-Erdre • France VIF conçoit, développe et déploie des solutions logicielles innovantes pour accompagner les PME et ETI industrielles de process dans l’exécution et l’amélioration durable de leur performance opérationnelle. Nos solutions logicielles ERP, MES et Supply Chain Planning digitalisent et soutiennent les 3 processus clés de croissance et compétitivité. Ces solutions font référence dans toutes les filières de l’agroalimentaire depuis 40 ans. Basée à Nantes, VIF conseille, équipe et accompagne la transformation numérique et performance industrielle de plus de + de 700 sites et 18 000 utilisateurs en France et à l'international. VIF c’est aussi 270 passionnés mobilisés et solidaires qui mettent leur expertise au service de nos clients grâce à une connaissance fine de leurs métiers. Présentation de Dataswati by VIF Fondée en 2016, Dataswati développe PowerOP® une solution SAAS, de monitoring automatique pour les lignes de production de l'agroalimentaire. En 2023, Dataswati elle intègre l’entreprise VIF Software et devient Dataswati by VIF. L'équipe Data est chargée de la conception, du développement et de la maintenance de la plateforme IA de la solutions PowerOP® dont les principales fonctionnalités sont monitoring analytique, prédictif et prescriptif. L’équipe Data est également chargée de développer une nouvelle plateforme IA qui sera intégrée aux solutions VIF. Nos solutions reposent sur une stack technologique moderne, à l’état de l’art avec des techno comme Airflow, Mlflow, MongoDB, Kubernetes, CI/CD. Nous portons de l’intérêt aux bonnes pratiques de programmation, notamment la POO (Programmation Orienté Objet) et aux principes MLOps

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

CDI à pourvoir immédiatement Issy Les Moulineaux (Métro 8 et 12, RER C, bus, Tram T2 et T3) Salaire à définir selon le profil. Intéressement aux résultats de l’entreprise, tickets restaurants, Mutuelle, CE, 50% transports en commun Eqinov, filiale du groupe Acciona Energía, l'un des leaders de la transition énergétique et le plus grand opérateur mondial d'énergie d'origine exclusivement renouvelable, propose des services en performance énergétique aux industriels et gestionnaires de bâtiments pour leur permettre de consommer moins et mieux. Maîtrise et suivi des consommations énergétiques, financements innovants, effacement et flexibilité de la consommation électrique, réduction de l’empreinte carbone, performance énergétique des projets de construction/rénovation, autoconsommation… L’avenir du secteur de l’énergie s’invente aujourd’hui Dans ce contexte énergétique en perpétuelle évolution et face à l’urgence climatique, Eqinov déploie des solutions pour permettre aux entreprises... d’accélérer leur transition énergétique. Dans le cadre de notre croissance nous recrutons un(e) Data Scientist expérimenté(e) basé(e) dans l’une de nos agences à Bordeaux, Lyon, Aix en Provence ou Issy les Moulineaux. Intégré(e) au sein de l’équipe « Opérations de Flexibilité et Recherche & Développement », participez activement au développement de notre activité en remplissant les missions suivantes : Compréhension des problématiques de l’activité, Conception des solutions scientifiques, Recherche, rassemblement, traitement et analyse des données disponibles, Détermination des variables et méthodes optimales de modélisation, Construction, mise à jour, optimisation, monitoring de nos modèles prédictifs (prix de l’énergie, tensions sur le système électrique…), Construction, mise à jour, amélioration de nos modèles d’optimisation dans le cadre du projet de R&D INVESTCO , Participation à l’intégration de nos modèles dans nos applications mobiles et web #Java, Support des équipes opérationnelles pour la construction d’outils de gestion des données, Synthèse et suivi de la qualité des résultats des modèles prédictifs en production à travers des outils de reporting, Veille technologique. Compétences requises & savoir-faire Diplômé d’une formation supérieure bac+5, en Mathématiques Appliquées / Statistiques / Data Science, avec minimum cinq ans d’expérience en tant que Data Scientist, vous avez une appétence pour le secteur et l’envie de participer activement à la transition énergétique. Vous avez acquis des connaissances approfondies en : Techniques d’apprentissage supervisé et non supervisé (Machine Learning, Deep Learning, Reinforcement Learning) Classification (réseaux de neurones type RNN, méthodes ensemblistes, support vector machine,..) La maitrise d’un outil de versionning (git,..) serait appréciée. Idéalement vous avez des connaissances sectorielles sur les marchés de l’électricité. Au-delà de ces compétences techniques vous démontrerez : Votre envie de prendre un poste en autonomie et d’une grande polyvalence, Votre motivation à faire partie d’un projet exigeant et ambitieux, La capacité à travailler de manière collective au sein d’une équipe, La capacité à être force de proposition et à prendre des initiatives, Votre rigueur et votre précision dans les analyses effectuées, Votre capacité à vulgariser des concepts complexes. En rejoignant Eqinov, vous intégrez une équipe motivée, dynamique et agile aimant faire vite ET bien. Venez inventer avec nous l'avenir du marché de l'Energie Vous avez le profil ? Envoyez votre CV et lettre de motivation à : recrutement@eqinov.com N’oubliez pas de préciser dans l’objet de votre mail le poste de l’annonce

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Rattaché(e) au département Formalités, vos missions sont les suivantes: - Valider et facturer les commandes - Analyser un état hypothécaire (BIA & FIDJI) - Rédiger un rapport d’analyse - Calculer les coûts liés à la publicité foncière - Assurer le SAV et le courrier • *Compétences**: - Compétence rédactionnelle - Esprit de synthèse - Rigoureux(se)/organisé(e) - Gestion relation client - Etat d'esprit d'équipe - Dynamique • *Qualifications**: - Bac +2 minimum, spécialité en droit ou Immobilier (BTS, DEUG, Licence professionnelle) - Connaissances minimum attendues sur la lecture d'un état hypothécaire Type d'emploi : CDD Durée du contrat : 4 mois Salaire : à partir de 21 000,00€ par an Avantages: - Participation au transport - RTT - Titre-restaurant Programmation: - Du lundi au vendredi Types de primes et de gratifications: - Prime annuelle Lieu du poste : Télétravail hybride (75002 Paris 2e)

{'salaire': [{'montant_min': 21000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Au sein d’une entreprise dynamique et en pleine croissance, Wandercraft est à la recherche d’un(e) Data analyst - Data miner pour rejoindre l’équipe IT. Interlocuteur/trice privilégié(e) des clients internes, tu auras comme principales missions: Recueil et extraction des sources de données pertinentes et de qualité à traduire ensuite en données statistiques ; Traitement, exploitation et intégration des données dans un data warehouse (entrepôt de données) ; Création de dashboards, mise en place de KPIs et reporting des performances pour donner une vision cohérente des résultats aux différentes équipes ; Mise en place de process/requêtes et automatisation ; Production d’analyses métiers et de recommandations aux managers Gestion des outils d’analyses pour que les décideurs internes et les clients puissent suivre l’évolution de leurs produits ; Veille technologique des nouveaux outils visant à l’améliorer l’analyse des données. Aide aux améliorations et administration de l’ERP (droits... d’accès, workflow, mise à jour des versions) Ton quotidien: Interactions quotidiennes avec les équipes opérationnelles Interactions avec le responsable IT et le CFO Mise en place d’outils de reporting et analyses ad hoc selon les besoins Profil recherché: Compétences requises : Formation Bac+5 universitaire ou grande école. Cursus en mathématiques, statistiques, économie, marketing ou en informatique Expérience professionnelle en IT / Reporting Anglais courant Compétences attendues : Maitrise de divers outils et logiciels (Excel, Web Analytics, BI, SAS, VBA, Python etc.) Langages de programmation tel que R Aisance rédactionnelle Passion pour les chiffres et les statistiques Orientation business et aisance relationnelle avec les métiers Rigueur, organisation, esprit analytique Anglais courant Type d'emploi : Temps plein, CDI Statut : Cadre Avantages: Participation au transport Titre-restaurant Programmation: Du lundi au vendredi Travail en journée Formation: Bac +5 (Master / MBA) (Optionnel) Lieu du poste : En présentiel

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste microDON est une Entreprise Solidaire d'Utilité Sociale (ESUS) de 40 personnes, filiale du groupe KissKissBankBank & co, qui propose des solutions innovantes pour faciliter l'engagement solidaire. microDON consolide une équipe produit passionnée et engagée. Notre objectif : "la solidarité est l'affaire de tous" - développer de chouettes produits innovants qui permettent de réinventer la générosité en France : Comme 2 millions de Français chaque mois dans 10 000 magasins, vous faîtes un don à la caisse de votre magasin via L'ARRONDI en caisse . Un produit grand public qui a permis de reverser 45M d'€ aux associations. 530 000 salariés en France sont concernés par L'ARRONDI sur salaire : la possibilité de donner chaque mois quelques euros à l'association de son choix. Un produit solidaire qui a permis de déclencher plus de 1,8 millions de dons ❤️ Mis en place auprès d'une centaine d'entreprises, le don de temps est un produit en constante évolution qui se... réinvente en fonction des besoins des associations et des envies des salariés. Un produit innovant en cours : le don de congés CET avec un potentiel de 2,6 milliards d'€ en France Dans ce cadre, la Squad Data est responsable de l'ensemble de la donnée de ces différentes solutions. A travers nos applications développées en interne, elle a pour missions de fournir à nos équipes métiers et à nos clients des données enrichies et fiables. Elle s'assure aussi du suivi de la collecte de dons et de leur bonne redistribution à nos 1500 associations partenaires (Urgence Ukraine, Secours Populaire, Les Restos du Coeur, Emmaüs France, Planète Urgence...). L'équipe Data se situe au coeur des différents métiers et se compose : • D'une Product Manager • D'un Data Engineer senior • D'un Data Analyst confirmé • D'une Data Engineer junior • Et toi notre nouvelle pépite Tu interviendras sur l'ensemble du cycle de vie de la donnée : • Acquisition • ETL • Tests • Automatisation • Gestion des alertes et logs • Mise en production • Gestion d'API Et sur tous les projets de l'enteprise comme par exemple : • La gestion du run • L'optimisation des process actuels • Le développement de nouvelles briques / nouveaux produits • L'onboarding de nouveaux clients • Participer à la gouvernance data Tout cela pour alimenter nos applications internes et délivrer aux équipes micros, à nos clients et à nos associations partenaires des données fiables et enrichies de manière automatique Et au passage d'assurer la redistribution de millions d'euros de dons centimes après centimes Profil recherché Nous recherchons un ou une Data Engineer qui souhaite mettre du sens dans son travail et aider nos associations à accélérer la transition écologique et sociale à travers la data. Savoir-faire Tu as idéalement entre 1 et 3 ans d'expériences sur un poste similaire et tu maîtrises tout ou partie de notre stack technique : • Google Cloud Platform (qui héberge nos données, VM et clusters Kubernetes) • Postgresql (pour gérer nos modèles de données et fournir nos applications internes en données) • Talend (notamment pour l'acquisition et la gestion des APIs) A noter que nous travaillons en CI/CD sur GitLab et que nous gérons nos logs avec Grafana. ❤️ Savoir-être • Esprit d'équipe et de collaboration • Prise en main rapide et autonomie • Fiabilité & organisation Ce que nous te proposons Tu rejoins une équipe bienveillante et engagée, enthousiaste à l'idée de t'intégrer. Ton avis et ton expertise sont écoutés. Nos valeurs : • Etre Solidaire • Etre Authentique • Etre Audacieux • Faire confiance Avantages : • prise en charge du pass Navigo à 50% (ou forfait mobilité douce) • prise en charge 100% mutuelle (Alan) • prise en charge des tickets restaurants dématérialisés à 60% • prise en charge de 50% du forfait téléphonique • 10 jours de repos supplémentaires • 5 jours de volontariat pour donner sur son temps pro du temps aux autres Les petits plus : • Un parcours d'intégration aux petits oignons pour s'assurer que tu te sentes bien chez toi • Une équipe Happy Office qui te concocte de chouettes initiatives (massage assis, atelier créatif, apéro du jeudi...) • Cours de yoga et de boxe gratuits 1x/semaine • Des locaux agréables (salle de sport, fruits à volonté, babyfoot, cuisine...) avec des colocs sympatoches et solidaires : Goodeed, KissKissBankBank, Youmatter & Lendopolis • Télétravail et flex-office Tu as envie d'apprendre et d'évoluer dans un univers start-up où les sujets sont variés... Tu as envie d'intégrer une team à taille humaine motivée à l'idée de contribuer à l'intérêt général... Alors rejoins-nous Process de recrutement Candidatures diversifiées bienvenues. • Echange en visio avec Johan, Head of Data #Fit • Echange avec Johan, Samira et Benoît de la Squad Data #Tech • Echange avec les fondateurs de microDON #RH

{"salaire": [{"montant_min": null, "montant_max": null, "devise": null, "frequence_versement": null}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Datascientist - H/F - Alternance 12 mois. Ce poste basé à PARIS est à pourvoir à partir de septembre 2023 pour une durée de 12 mois. SUR LE TERRAIN, ÇA DONNE QUOI ? Notre équipe Reg Tech au sein de la Compliance Groupe de BNP Paribas a pour mandat d’apporter des solutions cognitives à base de Machine Learning, de NLP autour de la lutte contre le blanchiment d'argent, le financement du terrorisme, le filtrage des transactions et le screening des bases clients. VOS MISSIONS : Contribuer à l’implémentation et l’amélioration en continu des modèles existants, que ce soit via le tuning du modèle, la construction de nouvelles « features », la proposition de monitoring de KPI ou l’amélioration de la chaîne MLOps ; Benchmarker les modèles existants via les modèles standards (Random Forest, Réseaux de Neurones, Xgboost…) mais également explorer l’état de l’art et tester différentes modélisations possibles ; Tester et intégrer des modules d’explicabilité des modèles (explicabilité locale... et globale), prérequis dans notre activité réglementée ; Compléter chaque modélisation par une proposition de monitoring de modèle (KPI). Sur un plan technologique : Vous serez amené à implémenter et exécuter des solutions en langage Python sur la plateforme Cloud du groupe ; Vous contribuerez aux différentes phases des projets de data science depuis la phase exploratoire du projet jusqu’à sa mise en production et son monitoring post implémentation ; Vous participerez à la mise en place de la chaîne d’outils DevOps des projets (CI/CD) et monterez en compétence au sein d’une équipe composée de data scientists et data engineers passionnés par la data science. LES MISSIONS C’EST IMPORTANT, L’ÉQUIPE ET L’ENVIRONNEMENT AUSSI ! Face à un environnement où les évolutions réglementaires, géopolitiques, sociétales sont de plus en plus nombreuses et complexes, la Conformité se place au carrefour de la stratégie et de l’action quotidienne de la Banque et de ses clients. La Conformité, veille au respect de toutes les réglementations bancaires et financières et assure la mise en sécurité du Groupe, de ses métiers, de ses territoires, qui passe par une adaptation aux exigences accrues de ses régulateurs, des clients et de l’opinion publique. L’une de nos missions essentielles ? Contribuer à faire que BNP Paribas soit une entreprise pleinement digne de confiance, non seulement grâce au respect des lois et règlements, mais aussi grâce à la mise en œuvre exemplaire de son code de conduite. L’une des valeurs du Groupe ? La Culture Conformité ! Au sein du Technology & Innovation Office (T&I Office), vous rejoindrez une équipe multidisciplinaire composée de 40 personnes. Le leitmotiv de l’équipe : innover pour optimiser les process Compliance en trouvant des solutions concrètes basées sur des technologies cognitives. Basé au Millénaire 1, dans un environnement dynamique situé dans le 19ème arrondissement de Paris, vous bénéficierez d’un espace de travail convivial en mode « Flex Office », conçu pour rendre l’expérience collaborateur la plus agréable possible. ET APRÈS...? Au sein de l'équipe Reg Tech vous participerez non seulement à des expérimentations IA et data mais aussi à des projets destinés à passer en production : cette expérience vous donnera une vision de bout en bout d'une industrialisation de l'IA et des challenges associés. Vous découvrirez de nombreux métiers en travaillant avec des interlocuteurs variés (Métier, IT, Conformité, Data office...). Vous développerez par ailleurs votre connaissance du domaine Compliance et de ses process, et échangerez avec des experts de ces domaines. La connaissance des enjeux des projets Compliance et votre expertise en data science vous ouvriront des perspectives dans la gestion de projets IA au sein des entités du groupe BNP Paribas, en France ou à l’international. ET LA RÉMUNÉRATION ? Encadrée par la loi, elle sera abordée à l’issue de votre parcours de recrutement. Elle dépend du type de contrat, votre âge et de votre niveau d’études. ENCORE UNE HÉSITATION ? Notre monde change : notre manière de nous informer, de consommer… et de travailler aussi ! Aujourd’hui, ce qui compte dans un job, c’est de vivre de véritables expériences, d’apprendre, de partager objectifs et résultats avec ses collègues. Bref, de tracer son propre chemin, différent, responsable et durable. Chez BNP Paribas, nous recrutons nos collaborateurs avec l’idée qu’ils nous aideront à concevoir le monde et la banque de demain. Vous voulez connaître toutes les raisons de nous rejoindre ? Rendez-vous sur www.bnpparibas.com Saurez-vous relever le challenge ? Vous préparez un diplôme bac+5 (RNCP niveau 7 anciennement niveau 1) en école d’ingénieur ou équivalent universitaire avec une spécialisation Data science. Vous parlez couramment anglais et français. Vous avez des connaissances en matière de Data, Mathématiques appliquées, algorithmes, Modèles prédictifs, Data Processing, Développement informatique, Langages de programmation, Robotiques et Intelligence Artificielle. Et vous maîtrisez le langage Python. Vous êtes de nature curieuse. Votre adaptabilité, votre capacité à collaborer et analyser seront des atouts essentiels. Ajoutez à cela, une bonne capacité d'organisation et de communication qui finiront de nous convaincre. Dans un monde qui change, la diversité, l’équité et l’inclusion sont des valeurs clés pour le bien-être et la performance des équipes. Chez BNP Paribas, nous souhaitons accueillir et retenir tous les talents sans distinction : c’est ainsi que nous construirons, ensemble, la finance de demain, innovante, responsable et durable. Enfin, nous attachons une importance particulière à ce que nos futurs collaborateurs agissent au quotidien avec responsabilité éthique et professionnelle. À tout moment pendant le processus de recrutement, les informations figurant sur votre CV, vos données d'identification et vos antécédents pourront être vérifiés. N'oubliez pas d'indiquer sur votre CV la formation que vous souhaitez préparer dans le cadre de votre alternance. #Rejoignez-nous ! LIEU PRINCIPAL FR-Île-de-France-PARIS TYPE D'EMPLOI Alternance DOMAINE D'ACTIVITÉ CONFORMITE NIVEAU D'ÉTUDES Master ou équivalent (> 4 ans) NIVEAU D'EXPÉRIENCE Débutant HORAIRES Temps plein RÉFÉRENCE !A_CPL23_0043 APPLY (REF: !A_CPL23_0043

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Stage: Data Science (h/f) Début du stage : Janvier-Mars 2022 Durée : 6 mois (fini d’études) Localisation : La Rochelle L’entreprise : DATS Connexion est une jeune Startup évoluant dans le domaine de la Business Intelligence (BI) et de l’automatisation. Notre petite équipe, composée de consultants présents en France et au Québec (Canada), priorise le partage de connaissances et favorise les savoirs, savoir-faire et savoir-être de chacun(e). Nous apportons notre expertise à une époque où les outils décisionnels augmentent considérablement la compétitivité des entreprises, et où l’automatisation de tâches chronophages développe la créativité et l’épanouissement de l’humain. Notre but est de répondre aux besoins et enjeux de nos clients en leur délivrant une solution d’intelligence d’affaires et/ou d’automatisation adaptée(s) à leur réalité. Nous portons une très grande importance aux relations clients et pour ce faire nous misons sur la transparence, la confiance et la rigueur. Nos... objectifs : Constamment évoluer au rythme des technologies émergentes du monde des technologies de l’information. Relever de nouveaux défis pour le développement de notre organisation et proposer des services toujours plus innovants à nos clients, dans une démarche d’optimisation des ressources et d’augmentation de la performance. Faire mieux avec moins ! Le stage : Tes missions : Au travers de missions variées, tu travailleras aux côtés d’une équipe jeune, en méthode AGILE, dans le domaine des métiers de la donnée appliquée à la gestion d’entreprise, aux finances, au marketing, et bien d’autres. Accompagné par ton tuteur, tu prendras part: Au développement de Tableau de bords PowerBI ; Au développement de pipeline ETL avec PowerQuery et Python ; Aux analyses d’affaires et analyses fonctionnelles ; Si tu le souhaites, au développement de modèle statistique (machine Learning, IA, etc.) Au support de développement de projets clients. Compétences recherchées : Tu es un(e) étudiant(e) recherchant un stage de fin d’études de 6 mois Tu as des notions en PowerBI et Pythonmais pas forcément ; Tu es une personne rigoureuse dans le développement de projet ; Tu as un intérêt particulier pour l’univers de la data. En résumé : Tu cherches une expérience professionnelle dans une startup en pleine croissance à la culture d’entreprise internationale ? Tu es curieux(se) et créatif(ve), tu as un intérêt fort pour les nouvelles technologies, et tu aimes jouer avec les données ? Tu veux rejoindre une organisation où ton travail deviendra ta plus grande passion ? Si tout cela te parle, rejoins nous ! _ Envoie ton CV et une lettre de motivation par mail Type d'emploi : Stage Durée du contrat : 6 mois Salaire : 5,00€ par heure Programmation: Du Lundi au Vendredi Périodes de travail de 8 heures Repos le week-end Travail en journée Capacité à faire le trajet ou à déménager: 17440 Aytré: Faire le trajet sans problème ou prévoir un déménagement avant de prendre son poste (Optionnel) Langue: Français (Optionnel

{'salaire': [{'montant_min': 5.0, 'montant_max': 5.0, 'devise': '€', 'frequence_versement': 'heure'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Qualification :Cadre Profil recherché : Expérience :Débutant accepté Langue(s) :Anglais Compétences recherchées : Adapter les outils de traitement statistique de données Rédiger l'information produite Présenter et diffuser les résultats des études réalisées Réaliser une veille documentaire Définir et faire évoluer des procédés de traitement de l'information

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data engineering Big data Data Engineering. : - Développement Spark/Scala et HIVE - Une bonne expertise des environnements hadoop Environnement Anglophone2 - Livrables attendus Les livrables attendus sont : - Revue de code et re-factoring - Projet agile (Scrum) - Traitement d?un gros volume de données - L?application des normes de développements3 - Expertise(s) / technologie(s) Les expertises attendues pour réaliser cette prestation sont listées ci-après : Agile Scrum Hive PostGreSQL Python Scala Spark450 e

{'salaire': [{'montant_min': 540.0, 'montant_max': 540.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste Le poste ? Dans le cadre du développement de nos activités d’expertises Cloud, Data et Cybersécurité. Nous recrutons un Data Analyst Confirmé H/F, pour s’inscrire dans notre projet d’entreprise. Le profil intègrera notre cellule expertise en accompagnement transverse de nos agences sur un périmètre France et International : avant-ventes, aide à la construction des offres, animation de communauté, réalisation de projets clients. • *Vos missions**: - Collecter, nettoyer et préparer les données provenant de différentes sources, en utilisant les outils appropriés pour assurer leur intégrité et leur fiabilité. - Concevoir et mettre en œuvre des pipelines de données ETL/ELT efficaces pour alimenter les entrepôts de données. - Développer et exécuter des requêtes et des analyses avancées pour identifier les tendances, les modèles et les insights significatifs dans les données. - Créer des tableaux de bord et des visualisations interactives pour faciliter la... compréhension et la prise de décision basée sur les données. - Collaborer avec les équipes métier pour comprendre leurs besoins analytiques spécifiques et fournir des recommandations pertinentes. - Participer à l'élaboration et à la mise en œuvre de modèles d'apprentissage automatique pour des tâches telles que la segmentation client, la prédiction de la demande, etc. - Suivre les meilleures pratiques en matière de sécurité des données et de confidentialité, ainsi que les normes de gouvernance des données. Compétences techniques attendues: - Dataiku, SAS Viya, Alteryx, - Databricks, Snowflake, Tableau - SAS, R, Python - SQL, MongoDB, Neo4j, Cassandra - AWS, Azure, GCP - Et des compétences de Data Analyse : segmentation, score, études quantitatives, reporting Profil recherché • *Vous ?** - Diplômé(e) d'une école d'ingénieurs ou d'un Master 2 en Informatique, vous disposez d'une expérience significative de minimum 3 ans en tant que Data Analyst - Maitrise de l’Anglais • *Et la suite ?** 1. Vous rencontrez d’abord l’équipe RH pour parler de vos attentes, votre projet et futur 2. Puis le manager pour parler concret : Périmètre client, projets, parcours de carrière, et bien sûr salaire et avantages J Vous souhaitez donner un nouvel élan à ta carrière ? Rejoins la vie Apsidienne • *Avantage ?** - Mutuelle offerte, carte titre Restaurant Swile, 50% du Passe Navigo, télétravail, participation, Plan d’Epargne Retraite Collectif et encore d’autres Compétences attendues - LANGUESAnglais SAVOIR-ÊTRE Capacité à prendre des décisions Capacité d'analyse • *Voir plus** SAVOIR-FAIRE Avant-vente Gestion de communautés • *Voir plus** Entreprise - De bonnes raisons de rejoindre Apside ?En pleine croissance, Apside est à la recherche des nouveaux talents du numérique Un esprit start-up avec la stabilité d un grand groupe, qui favorise l agilité, le travail d équipe et la proximité.Alors qu Apside ne cesse d'agrandir sa famille déjà forte de plus de 3000 consultants, nous sommes à la recherche de nos nouveaux talents -Développez votre réseau (Soirées trimestrielles, Afterwork, Soirées d intégration ),-Intégrez une structure à taille humaine : ambiance saine et convivialApside est une entreprise au service du numérique depuis plus de 47 ans, mais surtout à votre service.Notre savoir-faire et notre savoir-être vous accompagnent au cœur de plusieurs métiers : l ingénierie en systèmes d'information et informatique technique, scientifique, aéronautique, automobile et financière. - Autres offres de l'entreprise**Personne en charge du recrutement** IRINA MOUKHINA - _responsable recrutement_ Salaire A partir de 48 k€ brut annuel Prise de poste Dès que possible Expérience Minimum 3 ans Métier Data analyst Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste INGÉNIERIE, ÉTUDES TECHNIQUES Télétravail Partiel possible

{'salaire': [{'montant_min': 48000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Vos missions Rejoindre SNCF Réseau, c'est choisir une entreprise technologique à la pointe de l'innovation. Vous aurez l'opportunité de participer à la construction du réseau ferroviaire de demain et de travailler sur des projets d'avenir mobilisateurs. Rejoindre SNCF Réseau, c'est intégrer un acteur majeur de la transition climatique et écologique au service de tous les territoires et de la mobilité durable. Chaque jour, vous contribuerez au transport de 5 millions de voyageurs et de 250 000 tonnes de marchandises en France. Rejoindre SNCF Réseau, c'est bénéficier de parcours professionnels diversifiés et évolutifs, grâce à une politique de formation dynamique. Vous évoluerez au sein d'une entreprise humaine et inclusive. Au sein de la Direction Générales des Opérations et de la Production (DGOP) le Centre national des Opérations et de la Performance (CENOP) créé en janvier 2023, a pour mission de mettre à disposition des directions opérationnelles et la direction générale la... data et les outils de pilotage de la performance du Réseau ferré national. Au sein du CENOP vous aurez pour mission de : Développer des outils de Monitoring et de Veille /Vigi pour identifier les signaux faibles ou forts de la performance du réseau Le périmètre d’analyse porte à la fois sur la régularité, information transporteurs et gestion de crise. Apporter une approche innovante d’analyse croisée de data interne Réseau mais aussi data externes (réseaux sociaux, météo, autre) Contexte Pourquoi nous : Télétravail possible 2 jours/semaine Des opportunités d’évolution rapides et des parcours variés avec des opportunités en France et à l’international; Des avantages tels que l’aide au logement, la protection sociale, les facilités de voyages, l’épargne salariale, le comité d’entreprise. Labellisé « Top Employer 2022», SNCF favorise l’intégration de ses collaborateurs, prône la diversité et les accompagne dans leur évolution de carrière. Profil recherché Diplômé.e d’un Master 2 d’école d’ingénieur généraliste ou spécialiste Big Data / Data Analyse Compétences et Qualités souhaitées •Aisance dans la manipulation des chiffres•Appétence et connaissances d’outils informatiques (Excel, PowerBI)•Aisance rédactionnelle et esprit de synthèse•Logique de raisonnement solide•Esprit ordonné, méthodique et novateur•Travail en équipe et en mode projet•Force de proposition dans la recherche de nouvelles stratégies Tous nos métiers sont ouverts aux personnes en situation de handicap. Rétributions & Avantages La politique de rétribution SNCF a pour ambition de valoriser les compétences, le professionnalisme et l’engagement de ses équipes.Notre rémunération comporte un salaire fixe et des éléments additionnels individuels ou collectifs, dépendant de la performance et des résultats de l’entreprise. Des indemnités et des gratifications peuvent venir s’y ajouter selon le métier exercé.Nous offrons également des avantages spécifiques tels l’aide au logement, la protection sociale, les facilités de voyages, l’épargne salariale, le comité d’entreprise…

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste Nous recherchons un Data Scientist (F/H) pour intégrer notre partenaire Grand Compte sur Montpellier /TT. Vos missions : (liste non exhautive) Recueillir, traiter et transformer les données en fonction des objectifs fixés. Analyser et modéliser les comportements clients. Élaborer des prévisionnels afin d'anticiper les évolutions des données et les tendances. Synthétiser et vulgariser la donnée de façon à les transmettre aux équipes métier Profil recherché Issu idéalement d'une formation supérieure en informatique, vous justifiez d'une expérience réussie sur un poste similaire. Vous avez de solides connaissances en data Science, notamment en algorithmes et machine learning, Vous avez une maitrise des languages liés au Big Data Compétences attendues LANGUESAucune langue attendue SAVOIR-ÊTRE Proactivité SAVOIR-FAIRE Algorithme Apprentissage automatique Voir plus Entreprise Depuis 1999, PROXIEL accompagne des entreprises dans leur développement en assurant des... prestations de conseil et d'ingénierie dans le domaine des technologies. Proxiel ce sont plusieurs pôles d'activité. Nous mettons un point d honneur à associer votre bien-être - adaptabilité en fonction de vos contraintes (possibilité de télétravail). Des solutions alternatives, peuvent être envisagées, dans la mesure où elles sont compatibles avec le business que nous entreprenons. Nous souhaitons que chacun de nos salariés s investissent dans nos projets et que notre entreprise soit animée par un projet commun : la réussite de chacun ! Marina Haumont, Catherine Caizergues, Laurie Unal, Laurence Hernandez, Bastien Aparicio, Ouafaa Tahiri et Antoine Caizergues en charge du pôle recrutement sont à votre écoute afin d analyser vos projets.Notre approche est simple alors restons transparents dans nos échanges. Notre siège est implanté à Montpellier PROXIEL. Nous disposons également d une agence sur Paris Vous présentez des compétences dans les nouvelles technologies en qualité de techniciens développeurs ingénieurs, coté développement ou réseau, vous êtes mobile sur MONTPELLIER PARIS LYON TOULOUSE MARSEILLE AIX EN PROVENCE, rejoignez-nous ! Autres offres de l'entreprise Personne en charge du recrutement Laurie Unal Consultante en recrutement Salaire A partir de 35 k€ brut annuel Prise de poste 03/09/2023 Expérience Minimum 2 ans Métier Data scientist Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste CONSEIL EN SYSTÈMES ET LOGICIELS INFORMATIQUES Télétravail Partiel possible

{'salaire': [{'montant_min': 35000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

POSTE : Data Engineer H/F DESCRIPTION : Avec la forte croissance de la société, les missions au sein de l'équipe Data ne cessent de croître et c'est avec impatience que l'équipe attend d'accueillir son futur(e) collègue au poste de Data Scientist. Notre écosystème de données nous permet d'intervenir sur l'ensemble des domaines métiers. Vous serez donc amené(e) à travailler sur l'optimisation, la création et l'implémentation d'algorithmes : yield management, pricing, optimisation de trajet, clustering, churn et plus encore ! Vous intégrerez le pôle Tech composé de plus de 20 personnes. Nous travaillons en agilité. Voici les missions qui vous seront confiées : - Identifier les leviers d'améliorations Data sur l'environnement de production - Créer, optimiser, développer et implémenter des algorithmes en Python dans l'environnement de production - Faire des analyses ponctuelles de données sur des besoins métiers divers (par exemple : détection d'anomalie sur zones géographiques) et... mener des analyses exploratoires en travaillant étroitement avec les équipes métier pour comprendre et répondre à leurs besoins - Participer aux tâches récurrentes de l'équipe data (par exemple : maintenance pipeline data et amélioration des méthodes d'analyse et de modélisation) Environnement technique : Python, NodeJS, MySQL / PostgreSQL, Qlik Sense, Git, Jira, Confluence PROFIL : - Vous avez au moins 3 ans d'expérience en analyse de la donnée avec du développement Python afin d'être à même de vous intégrer rapidement à l'environnement de développement et de partager votre expérience - Vous avez déjà été amené(e) à faire du déploiement d'algorithmes en production - Vous maîtrisez la stack Python datascience et le SQL - Vous avez des connaissances en statistique, en machine learning et en data visualisation - Si vous connaissez l'environnement PostgreSQL, QLIK, DBT (ou un autre ETL/LT), ce serait top - Evoluer dans un environnement cloud en système UNIX/LINUX et Git ne vous fait pas peur Processus de recrutement 1 Echange téléphonique avec notre Recruiter IT 2 Entretien en présentiel avec notre Team Leader Data Science 3 Entretien en présentiel ou à distance avec notre Product Manager Ce que nous offrons à nos collaborateurs - Vous arrivez au bon moment pour prendre une place stratégique dans une organisation en croissance - Vous rejoignez une équipe Data bienveillante où l'entraide tient une place importante - Vous bénéficiez d'une grande autonomie et d'un environnement où vos prises d'initiatives sont encouragées Et en bonus : - Jusqu'à 3 jours de télétravail possibles par semaine - Forfait Mobilité Durable (abonnement transport pris en charge à 100% / 200€ pour l'utilisation de mobilités douces) - Carte Swile (8.5€ par journée travaillée, pris en charge à 60%) - Des locaux flambant neufs à Nantes, proches de la gare - Un espace déjeuner et un espace repos où le café, le thé et les gourmandises sont à volonté - Une mutuelle (Alan) prise en charge à 50

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Bienvenue chez Réseau Talents ** Nous sommes un cabinet de recrutement nouvelle génération, nos recruteurs sont tous passionnés par les Relations Humaines et interviennent pour vous sur l'ensemble du territoire. Proches de nos valeurs sont **l'Excellence**, **l'Authenticité**, le **Plaisir** et la **Transparence**. • *Description du poste**: • *L'entreprise qui recrute** Notre mission est de connecter les investisseurs traditionnels aux actifs numériques en offrant des solutions logicielles et de recherche quantitative indépendante. Nous nous spécialisons dans l'analyse de liquidité et le développement d'outils d'aide à l'exécution pour réduire les coûts pour nos clients. • *Notre équipe** Notre équipe est composée d'experts passionnés par les technologies et les marchés financiers. Nous sommes une équipe jeune et dynamique qui valorise l'autonomie, la collaboration et l'innovation. • *Votre rôle** En tant qu'Ingénieur DevOps confirmé, vous jouerez un rôle crucial dans la... réussite de notre mission. Vous serez responsable de la sécurité, de l'optimisation et de la performance de notre infrastructure informatique. • *Ce que vous allez faire**: - Garantir la sécurité des systèmes en supervisant l'infrastructure et en mettant en place les meilleures pratiques. - Améliorer et maintenir le pipeline CI/CD en utilisant des outils de pointe tels que Terraform, Ansible et Kubernetes. - Développer et implémenter des outils de monitoring efficaces pour une visibilité complète et une gestion proactive de l'infrastructure. - Automatiser les processus de construction et de déploiement pour une meilleure efficacité et une réduction des coûts. - Configurer et gérer les environnements de préparation et de test/dev pour garantir des déploiements fluides et sans interruption. - Participer au support en production pour résoudre les incidents et maintenir la disponibilité des système • *Ce que nous pouvons t'apporter - Un environnement de travail stimulant et innovant où vous aurez l'opportunité d'apprendre et d'évoluer. - Des technologies de pointe et des outils modernes pour vous permettre d'exprimer votre plein potentiel. - Une rémunération attractive et un package d'intéressement. - Un cadre de travail flexible avec la possibilité de télétravailler. - Rejoignez une équipe jeune et dynamique composée d'experts passionnés. • *Rémunération : 50000 à 75000 euros / an** • *Profil recherché**: • *Le profil recherché • *5 années d'expérience minimum** en support informatique, administration système, ingénierie système, développement logiciel ou DevOps. - Curiosité, autonomie, motivation et engagement. - Maîtrise des technologies suivantes : Docker, Kafka, Gitlab, PostgreSQL, clusters Kubernetes, Terraform, Ansible, Prometheus/Grafana, cloud providers multiples (AWS/GCP/OVH). - Connaissances en : shell Linux, Python, SQL. - Atouts : Suite Atlassian, Spark, Airflow, Elastic Search, PostgreSQL/TimescaleDB. N'hésitez pas à postuler et rejoignez une fintech en plein essor et participez à la révolution des marchés financiers

{'salaire': [{'montant_min': 50000.0, 'montant_max': 75000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Entreprise C’est une Startup FinTech spécialisée dans la comparaison bancaire, à la fois acteur BtoB et BtoC. Plus de 1,5 million de visiteurs par mois sur le site internet, ce qui engendre beaucoup de données et de traffic. C’est une équipe à taille humaine avec une 50taine de collaborateurs dont trois personnes au sein de l’équipe Développeurs. Environnement technique : Agile Scrum, NodeJS, Python, Java11, ReactJS, PostgreSQL, AWS, Metabase La mission Pour accompagner leur croissance sur la partie data, l’équipe est à la recherche de son Fullstack Développeur orienté Data En les rejoignant, ton rôle sera de : • construire et gérer le Data Lake à partir de différentes sources • modéliser, intégrer les données et maintenir le Data Warehouse • créer et développer des Data Marts pour accompagner le besoin analytique des équipes métiers • sécuriser les données à chaque stade : collecte, stockage et distribution • automatiser les processus et optimiser la performance des... pipelines • aider ponctuellement l’équipe dév sur la partie backend et frontend Le profil recherché Tu as minimum 5 ans d’expérience en développement fullstack et avec une forte appétence pour les sujets data. Tu as des compétences en programmation avec Python, NodeJS et ReactJS. Tu as des connaissances approfondies des bases de données relationnelles et non relationnelles Tu es familier avec les solutions de Cloud Computing, telles que AWS Tu aimes naturellement prendre des initiatives et résoudre des défis liés à l’innovation et à la data. Le tout dans un contexte de data. Les modalités Contrat : CDI Localisation : Paris Télétravail : Hybride (2 jours de télétravail rythme équipe) Rémunération selon profil et expérience : 50-60K€ (possibilité Freelance TJM 400€ en pré-embauche) Processus de recrutement interne : Call CTO + Test technique orienté data + échange équipe & rencontre métier

{'salaire': [{'montant_min': 50000.0, 'montant_max': 60000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Société Générale Assurances, déjà bien positionné en termes de maturité sur les sujets Data, a pris le parti de continuer des investissements importants sur les sujets Data, via une fonction centrale : le DataHub. Au sein de Société Générale Assurances, il existe de nombreux usages de la donnée, soit décentralisés dans les différents métiers soit traités au sein du DataHub. Le DataHub Société Générale Assurances est un centre d’expertises de la donnée qui a vocation à faciliter les usages de la donnée par les différentes fonctions métiers Société générale Assurances (pilotage commercial, marketing, actuariat, finance et risque, etc. Il est composé de deux équipes : • L’équipe DataLab regroupant les Data Scientists et les Data Engineer en charge des prototypes IA, • L’équipe Datalake regroupant les Data Analysts et les PO Data, en charge des data product : analyses, prototypages et priorisation de leur industrialisation au sein du Datalake en vue d’une exploitation pour les... fonctions métiers. L’alternant(e) sera rattaché(e) hiérarchiquement au responsable de l’équipe Datalake, et travaillera au quotidien au sein d’une des Feature Team Data placée sous la responsabilité du Data PO et accompagnée par un Data Analyst Senior. Concrètement, vous serez amené(e) à : • Explorer et analyser les données, créer des indicateurs clés via notre plateforme Data Science. • Mettre en œuvre des analyses via cette plateforme. • Rédiger les spécifications techniques à destination des Data Engineer. • Travailler au sein de la Feature Team, en collaboration proche avec les Data Engineer pour prototyper les jeux de données, créer des jeux de tests, construire le protocole de tests et valider les données en pré-production et production. • Créer des rapports sous Power BI. • Mettre à jour la documentation associée. • Construire des supports de présentation et participer à des réunions de présentation avec le métier. Dès votre arrivée, vous serez intégré(e) dans nos équipes et apprendrez chaque jour aux côtés de nos experts qui vous accompagneront dans vos missions. Progressivement, vous gagnerez en autonomie sur vos projets pour faire de cette expérience un vrai accélérateur de carrière. Vous découvrirez également toute la diversité de nos métiers, dans un secteur qui évolue et innove en permanence. A la fin de vos études ou de votre VIE, diverses opportunités pourront s’offrir à vous, en France et à l’international. De niveau Bac+3 à Bac+5 avec une spécialité en statistiques / économétrie ou informatique décisionnelle, vous disposez de compétences techniques telles que : • Maîtrise d’au moins un outil décisionnel pour l’analyse de données : Python (SAS facultatif) . • Maîtrise des bases de données relationnelles et du langage SQL. • Maîtrise des principales méthodes d’analyse de données hors machine learning et intelligence artificielle. • Connaissance d’un outil de visualisation de données : Power BI. • Maîtrise de la suite Office. • De façon facultative : Gitlab. Les soft skills suivantes sont par ailleurs indispensables sur ce poste : • Qualités rédactionnelles et documentaires suffisantes pour communiquer au responsable d’équipe voire aux commanditaires. • Proactivité et pédagogie. • Esprit d’équipe et sens du service client. • Passionné, curieux. Poste à pourvoir en Alternance, basé à La Défense, pour une durée de 1 an à partir de septembre 2024. Au cœur de la stratégie de développement du groupe Société Générale, la mission de Société Générale Assurances est de protéger ses assurés et leurs biens, sur le long terme et à toutes les étapes de leur vie. Nous proposons une gamme complète de produits et de services répondant aux besoins de la clientèle de particuliers, de professionnels et d’entreprises, en matière d’assurance vie épargne, d’épargne retraite, et de protection des personnes et des biens. Nous nous engageons à promouvoir la responsabilité sociale et environnementale dans le cadre de notre activité : en tant qu’employeur responsable pour nos 2900 collaborateurs en France et dans 8 pays à l’international, en tant qu’assureur responsable auprès de nos 14 millions de clients et en tant qu’investisseur responsable et acteur de l’économie réelle. Que vous nous rejoigniez pour quelques mois, quelques années ou toute votre carrière, ensemble nous avons les moyens d’avoir un impact positif sur l’avenir. Créer, innover et entreprendre font partie de notre ADN. L’intégration de nos collaborateurs ainsi que le développement de leurs compétences est au cœur de nos préoccupations. Avec les managers et les correspondants RH, nous proposons un accompagnement de proximité pour le développement de chacun. Des programmes de formation et d’apprentissage riches et variés sont proposés et des moments d’échange avec le management sont organisés pour présenter la stratégie, les projets clés et fédérer les collaborateurs autour de notre ambition

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data Analyst Paris, Ile-de-France €38 000 - €40 000 Rejoignez ce groupe retail français de renom en tant que Data analyst au sein d'une équipe dynamique en pleine expansion. Au sein de cette équipe, vous participerez à l'élaboration et la mise en oeuvre du plan de contact. Vous participerez à l'amélioration l'efficacité des actions de personnalisation et veillerez à la qualité de la donnée. LE PROFIL Vous êtes diplômé d'une formation en Data analyse Vous disposez d'une première expérience en stage ou alternance Vous êtes customer-driven Vous êtes motivé et intéressé par le monde du retail Si vous êtes intéressé(e), postulez en cliquant sur le bouton ou en envoyant votre CV à

{'salaire': [{'montant_min': 38000.0, 'montant_max': 40000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Les missions du poste La Marine nationale est une des composantes des forces armées qui dépend du ministère des Armées. Les équipages de nos bâtiments de surface, sous-marins, aéronefs, unités de fusiliers marins et commandos marine protègent les Français et défendent les intérêts de la France sur toutes les mers du monde, 24/24h, 365j/an. Choisir la Marine, c'est choisir un environnement professionnel et humain hors du commun. Le contrat de volontaire officier aspirant permet aux jeunes diplômés ou aux étudiants à la recherche d'une année de césure ou d'une première expérience professionnelle, de s'engager au sein de la Marine nationale pendant douze mois et d'y découvrir un environnement hors du commun. Les domaines de compétences recherchées sont très larges : ressources humaines, communication, contrôle de gestion... #LI-JB1 Déscriptif de l'institution : Sur tous les océans et toutes les mers du monde, 365 jours par an et 24 heures sur 24, les marins assurent la sécurité et la... protection de l'espace maritime français. En mer, sur terre et dans les airs, 40 000 marins se mobilisent pour accomplir des missions de renseignement, de prévention, d'intervention, de protection et de dissuasion. Environnement du poste : Le Centre d'Expertise du groupe aérien embarqué (CENTEX GAé) basé à Landivisiau (29) est le garant de la doctrine, de la formation, de l'emploi tactique, du retour d'expérience (RETEX) et des domaines d'expertise du groupe aérien embarqué. Le groupe aérien embarqué comprend le Rafale marine et l'avion de commandement et de contrôle E-2C Hawkeye. Le CENTEX GAé est composé : d'un état-major ; de quatre centres : le centre d'expertise systèmes (CES) ; le centre de défense aérienne Marine (CEDAM) ; le centre de simulation Rafale (CSR) ; le centre de navalisation Rafale (CNR) ; d'une antenne spécialisée Hawkeye sur la base de l'aéronautique navale de Lorient-Lann-Bihoué. Missions : Intégré au service informatique et en lien avec le commandement de la force de l'aéronautique navale (ALAVIA) ainsi qu'avec Centre de Service de la Donnée Marine (CSD-M), le VOA Data Analyst chargé de la transformation numérique réalisera les missions suivantes : Soutenir la transformation numérique au sein du CENTEX GAé en apportant une expertise DATA ; Mettre en place des applicatifs s'appuyant sur des sources de données déjà existantes pour les valoriser ; Développer la méthodologie de cartographie des données, après un premier travail d'identification des spécialistes métiers ; Participer à la cartographie des données des projets numériques 2024 du groupe aérien embarqué afin de préparer le développement des futurs outils DATA. Lieu du poste : Poste basé à Landivisiau (29). Pas de télé-activité. Formation Initiale d'Officiers de 4 semaines à l'Ecole navale - Lanvéoc (29). Missions possibles de courtes durées sur porte-avions Charles de Gaulle, Paris et Toulon afin de connaitre les interlocuteurs du poste et de maitriser l'environnement. Rémunération : La solde de base mensuelle proposée est de 937€ (le montant de la solde est soumis à variations suivant la situation professionnelle et personnelle : lieu d'affectation, situation familiale, logement privé ou sur base) ; Le/la volontaire est logé(e) et nourri(e) gratuitement ; Le/la volontaire pourra également prétendre à la prime d'activité délivrée par la CAF en fonction de ses ressources ; Avantages carte SNCF : tarif à -75% pour déplacements personnels ; 25 jours de permissions par an. Le profil recherché Étudiant en année de césure ou jeune diplômé, vous souhaitez obtenir une première expérience au sein de la Défense, et découvrir la vie embarquée. Pour cela, vous devez : Etre titulaire d'un diplôme de Licence ou Master en Big Data / Analyse de données / Gestion et Traitement Informatique de Données Massives (les profils en informatique générale pourront être étudiés) ; Avoir des connaissances en développement informatique ; Avoir un bon niveau en anglais ; Une première expérience (stage...) en milieu militaire serait un plus. Pré-requis : Etre apte à une habilitation permettant l'accès à des informations classifiées. Savoir nager Être de nationalité française Avoir accompli sa Journée Défense et Citoyenneté (JDC - ex JAPD) Être physiquement et médicalement apte Age(s) : Entre 18 et 26 ans (voa/vac, formations, commissariat, maistrance) Parcours de recrutement : Candidature sur lamarinerecrute.fr Entretien de motivation Tests d'aptitudes Entretien avec l'unité Affectation en unité Bienvenue chez La Marine Nationale La Marine nationale est une des composantes des forces armées qui dépend du ministère des Armées. Les équipages de nos bâtiments de surface, sous-marins, aéronefs, unités de fusiliers marins et commandos marine protègent les Français et défendent les intérêts de la France sur toutes les mers du monde, 24/24h, 365j/an. Choisir la Marine, c'est choisir un environnement professionnel et humain hors du commun. Le contrat de volontaire officier aspirant permet aux jeunes diplômés ou aux étudiants à la recherche d'une année de césure ou d'une première expérience professionnelle, de s'engager au sein de la Marine nationale pendant douze mois et d'y découvrir un environnement hors du commun. Les domaines de compétences recherchées sont très larges : ressources humaines, communication, contrôle de gestion... #LI-JB1 Déscriptif de l'institution : Sur tous les océans et toutes les mers du monde, 365 jours par an et 24 heures sur 24, les marins assurent la sécurité et la protection de l'espace maritime français. En mer, sur terre et dans les airs, 40 000 marins se mobilisent pour accomplir des missions de renseignement, de prévention, d'intervention, de protection et de dissuasion. Environnement du poste : Le Centre d'Expertise du groupe aérien embarqué (CENTEX GAé) basé à Landivisiau (29) est le garant de la doctrine, de la formation, de l'emploi tactique, du retour d'expérience (RETEX) et des domaines d'expertise du groupe aérien embarqué. Le groupe aérien embarqué comprend le Rafale marine et l'avion de commandement et de contrôle E-2C Hawkeye. Le CENTEX GAé est composé : d'un état-major ; de quatre centres : le centre d'expertise systèmes (CES) ; le centre de défense aérienne Marine (CEDAM) ; le centre de simulation Rafale (CSR) ; le centre de navalisation Rafale (CNR)

{'salaire': [{'montant_min': 937.0, 'montant_max': 937.0, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Vous êtes chargé(e) :**- De piloter et réaliser des extractions de données issues des Systèmes d'Information (SI) du MCO-A - De piloter et superviser les activités de Reprise de Données (RdD) produites par l'équipe Datafactory - De piloter l'analyse et la mise en cohérence des données - De travailler en partenariat avec les équipes "catalogue" et "qualité des données" - De s'assurer, en relation avec les industriels, de l'adéquation de la fourniture des données • Données non contractuelles.* • · Période de formation initiale \~ 1.328 € net* • · Aspirant \~ 1.408 € net (à l’issue de la formation militaire initiale)* • · Sous-lieutenant \~ 1.810 € net (à partir de 6 mois d’aspirant)* • · Lieutenant \~ 1.958 € net (après 1 an de sous-lieutenant)* • \* À titre indicatif, hors primes et indemnités ; solde pour un célibataire sans enfant logé sur base.* • L’accès à chaque grade est soumis à la parution d’un décret de nomination.*

{'salaire': [{'montant_min': 1328.0, 'montant_max': 1328.0, 'devise': '€', 'frequence_versement': 'mois'}, {'montant_min': 1408.0, 'montant_max': 1408.0, 'devise': '€', 'frequence_versement': 'mois'}, {'montant_min': 1810.0, 'montant_max': 1810.0, 'devise': '€', 'frequence_versement': 'mois'}, {'montant_min': 1958.0, 'montant_max': 1958.0, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Début : 01/03/2023 Bylaw est un pionnier de l'innovation en IA depuis quatre ans, révolutionnant le traitement des documents et des données. Nos modèles d'IA sont intégrés à des solutions destinées aux professionnels du droit et de la finance dans divers secteurs, tels que les avocats, les mandataires judiciaires, les bailleurs, les comptables, les services des ressources humaines et les entités gouvernementales. Chez Bylaw, nous sommes spécialisés dans le traitement automatisé des dossiers, en exploitant les techniques d'IA pour classer et extraire des données de différents types de documents tels que les prêts bancaires, les dossiers de locations, les baux immobiliers, les créances, les soldes de tout compte, et bien plus encore. Notre expertise s'étend également à l'utilisation de techniques d'IA génératives pour exploiter les bases de données et générer des rapports automatiques. En tant que stagiaire en Machine Learning Engineering chez Bylaw, vous serez chargé(e) de... travailler sur l'extraction de données de documents, en aidant l'équipe Data Science à traiter différents types de documents. Ce poste offre une excellente opportunité d'appliquer vos compétences afin de développer des solutions innovantes pour l'analyse des documents et d'apprendre à les appliquer à des use-cases business réels. Vos responsabilités : - Collaborer avec l'équipe Data Science pour concevoir et mettre en œuvre des algorithmes et des modèles pour le traitement automatique des documents. - Participer à la collecte et le post-processing des données d'entraînement et de test, en veillant à leur qualité et à leur fiabilité. - Fine-tuner les modèles d'apprentissage automatique en utilisant des méthodes state-of-the-art. - Mener des expériences et analyser les résultats afin d'améliorer la précision et l'efficacité de nos algorithmes. - Participer aux revues de code et aux sessions de documentation afin de garantir la qualité des solutions mises en œuvre. Vos compétences : Nous recherchons des candidats aux compétences diverses pour nous aider à construire des solutions technologiques d'excellence pour nos clients. Les qualifications suivantes sont essentielles pour le poste de stagiaire en Machine Learning Engineering: - Compétences en programmation en Python. - Compréhension des concepts et algorithmes de base de l'apprentissage automatique. - Expérience avec des frameworks d'analyse de données et d'apprentissages automatique (par exemple, PyTorch, Transformers, pandas). - Première expérience dans l'analyse et de la visualisation des données. - À l’aise avec le travail en équipe, avec la capacité de collaborer efficacement dans un environnement en évolution rapide. - Expérience en traitement automatique de documents (document, classification, key information extraction) ou en extraction d'informations (document parsing, Question Answering, etc.) sera un plus. - Expérience de travail dans un environnement AWS sera un plus. - Maîtrise de l'anglais et du français. Le salaire & avantages : - 1300/1500 € (suivant profil) - Carte Swile Processus de recrutement (moins d’une semaine) : - Un entretien rapide de présentation - Un entretien technique - Un entretien avec le CTO / CEO

{'salaire': [{'montant_min': 1300.0, 'montant_max': 1500.0, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data Analyst H/F (freelance). Localisation : Rouen (76). TJM : Entre 300€ à 350€ Date de démarrage : Immédiate (bien-entendu, on vous attend si vous avez un préavis). L’IT chez ARTEMYS AGIL-IT combine la technologie et l’humain Nous sommes convaincus que les compétences, le savoir-être et l’épanouissement de nos Talents sont les clés de notre réussite. Avant tout, nous recherchons chez ARTEMYS AGIL-IT des personnalITés passionnées Alors, vous nous rejoignez ? De belles missions vous attendent chez notre client sur des environnements riches et challengeants : Les missions Analyser les besoins des différents métiers (recueil, analyse, enjeux, contraintes). S’adapter à chaque métier et son demandeur. Participer à la rédaction du cahier des charges. Traduire la demande en problématique Data. Proposer des solutions opérationnelles et identifier les sources de données nécessaires à la modélisation. Réaliser la modélisation, si besoin en relation avec l’analyst BI. Accompagner les équipes... métiers dans l’appropriation et l’utilisation opérationnelle des données transmises et/ou de nouvelles solutions data au quotidien. Contribuer à fournir des recommandations auprès des équipes métiers pour améliorer la prise de décision

{'salaire': [{'montant_min': 300.0, 'montant_max': 350.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

C'est aujourd'hui pour le compte d'une PME, entreprise spécialisée dans l'édition de solution technique pour professionnels, que nous sommes en recherche d'un Data Analyst (H/F). Cette dernière développe une solution SaaS innovante dans le but de faire évoluer l'intelligence collective au sein des entreprises. Elle aide à valoriser la diversité des connaissances, des compétences et des idées pour que l'entreprise devienne plus créative, collaborative et performante. L'équipe technique comporte plus d'une dizaine de développeurs et a besoin d'être renforcée par un Data Analyst (H/F). DESCRIPTION DU POSTE • Construire des flux ETL et enrichir l'entrepôt de données • Mettre en place le reporting et la consommation de la data en général auprès des équipes métier • Participer aux projets communs avec la team de développeurs et les Product owners • Porter une vision transverse de la data au sein du SI et de l'entreprise • Garantir les niveaux de qualité́, sécurité́ et performances... attendues • Faire une veille technologique régulière La stack : Conception et modélisation d'entrepôt de données, Microsoft BI, base de données avec SQL Server, SSIS pour la partie ETL, Power BI pour la partie reporting, SGBD (SQL Server à minima, Postgres & MySQL serait un plus). Les bonnes pratiques : TDD, Craftmanship ; code review, pair programming ; méthodologie agile ; CI CD pour avoir du code de qualité ; QA automation sur les outils et la stack ; archi monolithique et micro service (suivant les applications – certaines récentes et d'autres plus anciennes). PACKAGE • Min : 42k Max : 50k Le package • Mutuelle et transport pris en charge à 50% • Prime d'intéressement d'environ 2 mois de salaire • Tickets restaurant pris en charge à 50% • 11 jours de RTT/an • 2 jours de remote/semaine • Statut cadre, forfait jour NE POSTULE PAS SI • Tu n'as pas 3 années d'expérience en tant que Data Analyst • Tu n'as jamais touché à SSIS • Tu ne maitrises pas la suite Microsoft BI • Tu es en dehors des fourchettes de salaire • Tu veux un poste en FullRemote • Tu recherches une mission freelance Tu l'auras compris, pour ce poste, nous sommes en recherche d'un Data Analyst (H/F) ayant déjà une première expérience concluante et de bonnes connaissances en SSIS et Power BI. Nous recherchons également quelqu'un qui a la volonté de faire partie d'un projet, d'intégrer une équipe et de participer à l'ambiance collective qui est l'une des forces de l'entreprise. Tu te reconnais dans cette offre et souhaites tenter ta chance

{'salaire': [{'montant_min': 42000.0, 'montant_max': 50000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

• En tant que Data Engineer, vous serez chargé(e) de l'agrégation des flux de données des différents business (Guide Michelin, Via Michelin, Tablet Hotels et Robert Parker) afin de fournir des données exploitables et connectables avec l'ensemble de notre Data architecture et Digital Stack. Vous collaborerez avec différentes équipes de développeurs , data Scientists, data Analystes pour comprendre les besoins métier, nous permettre de créer un patrimoine data pour extraire des insights significatifs , contribuer à la prise de décision. A la croisée des chemins entre la data, le business et la technique , vous serez au cœur des sujets stratégiques afin de fournir des données et des techniques pouvant nous permettre de créer un marketing automatisé à l'état de l'art et une Data Factory pour répondre aux besoins des équipes data et métiers. Vous aimez l'univers de la gastronomie, du vin et du voyage Vous maitrisez les univers de type SnowFlake, CDP, Engagement tools Vous aimez faire... le lien entre les équipes métiers, data et les équipes techniques ? Alors venez nous rejoindre Votre mission : En tant que Data Engineer, vous serez responsable de concevoir, développer, et maintenir les infrastructures de données nécessaires à la collecte, au traitement, et à l'analyse des données au sein de l'entreprise. Conception et Développement : • Concevoir et mettre en place des architectures de données robustes et évolutives. • Développer des pipelines de données efficaces pour l'extraction, la transformation et le chargement (ETL) des données. • Implémenter des solutions pour le nettoyage, la validation et l'intégration des données. Gestion des Données : • Assurer la qualité et l'intégrité des données stockées. • Optimiser les performances des bases de données et des systèmes de traitement des données. • Mettre en place des mécanismes de sauvegarde et de récupération des données. Collaboration : • Travailler en étroite collaboration avec les analystes de données, les scientifiques des données et d'autres parties prenantes pour comprendre les besoins en matière de données. • Participer à la résolution des problèmes liés aux données et offrir un soutien technique. Sécurité des Données : • Mettre en œuvre des mesures de sécurité pour protéger l'intégrité et la confidentialité des données. • Assurer la conformité aux normes et réglementations en matière de protection des données. Profil recherché : • Maîtrise des langages de programmation (Python, Java, etc.) . • Expérience avec les bases de données relationnelles (SQL) et non relationnelles. • Connaissance des outils et frameworks de traitement des données (Apache Spark, Hadoop, etc.) . • Compréhension des concepts de modélisation de données. • Capacité à analyser les besoins en matière de données et à proposer des solutions adaptées. • Aptitude à résoudre des problèmes complexes liés aux données. • Excellentes compétences de communication • Anglais niveau professionnel B2/C1 • Diplôme en informatique, génie logiciel, statistiques, ou domaine connexe. • Expérience préalable ( 3 à 5 ans ) en tant que Data Engineer ou dans un rôle similaire. NOTRE OFFRE: Rémunération entre 53k€ et 60€ brut annuel en fonction du profil ( + part variable + avantages sociaux ) Poste en CDI. Statut Cadre. Basé à Paris- Boulogne (site Michelin) . Possibilité de télétravail ( 2j/sem) en accord avec la cohésion d'équipe. #LI-RECRUTEMENTMICHELIN • Michelin, entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l'expérience employé • Une note de 99/100 à l'index de l'égalité femmes-hommes • Entreprise « Handi accueillante », avec un réseau de référents et ambassadeurs Handicap pour vous accompagner • 83, 5% de taux d'engagement de nos employés • 94, 6% des stagiaires et alternants nous recommandent, label "Happy Trainees" depuis 9 années consécutives • Classé parmi les groupes du CAC 40 les plus engagés selon les Bac+5 à l'index RSE Universum 2023 • Parmi les 100 entreprises les plus attractives pour les étudiants et actifs BAC+2/3 au classement Universum 2023 • N°1 des entreprises de plus de 500 stagiaires et alternants qui rémunèrent le mieux au Classement HappyTrainees Rémunération 2023 • Dans le Top 10 des meilleurs employeurs en France au classement Glassdoor 2023 • Dans le top 3 des entreprises du secteur « Automobile / Equipementier » en matière d'attractivité employeur à l'édition 2024 du Palmarès @EPOKA @GROUPE IFOP @Occurrence Pour en savoir plus sur le Groupe •

{'salaire': [{'montant_min': 53000.0, 'montant_max': 60000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description du poste Intitulé du poste Data Analyst chargé de pilotage H/F Description de la mission Votre mission si vous lacceptez. Au sein de la Direction Individuelle et de la Direction de la Prévoyance Individuelle vos missions seront notamment : Participer au développement commercial du produit Emprunteur en suivant les différentes étapes de commercialisation (indications, devis, signatures, rémunération) - Participer à l'ensemble des projets liés à la stratégie de développement du business et à son pilotage en identifiant les leviers d'optimisation grâce à l'utilisation des données clients & contrats disponibles - Consolider les reportings sur les trois familles de produit (Prévoyance Pure, Vie entière, Emprunteur) et fiabiliser la vision de bout en bout - Elaborer et/ou faire évoluer les tableaux de bord relatifs aux résultats commerciaux des différents réseaux commerciaux Réaliser le suivi hebdo et des études spécifiques sur les actions commerciales et temps... forts Accompagner l'équipe marketing sur les campagnes (aide au ciblage, ROI) - Fournir à l'équipe Animation l'évolution de la production réalisée par les commerciaux formés Profil Vous avez envie de faire grandir vos compétences dans une entreprise qui place lhumain au cœur de ses ambitions ? Vous avez de préférence une formation supérieure en Statistiques ou Mathématiques et une expérience d'au moins 2 ans. Vous avez un appétit pour la data en général, un esprit synthétique et une aisance relationnelle ? Vous maitrisez le Pack Office, les langages Python et R (notamment leurs librairies de visulation). Enfin, vous avez des connaissances de Qlik Sense ainsi que des notions SAS, SAP & langages VBA et SQL ?.. Alors c'est sûr , on est fait pour se rencontrer. Pourquoi venir chez nous ? Parce quon est une entreprise, appartenant à un Groupe solide et bienveillant, à lambition forte, qui sait que les meilleures idées viennent toujours de vous. Parce quon sengage dans le développement de nos collaborateurs (groupes de travail, colloques, formations), le meilleur moyen pour devenir une entreprise toujours plus innovante et responsable. Parce quon se rappelle toujours pourquoi on agit, on sait se laisser le temps de la réflexion pour avancer ensemble dans la meilleure des directions. Parce quon est flexible dans lorganisation du travail (accords télétravail) comme soucieux de votre équilibre vie pro/perso. Et parce quon offre de nombreux avantages : CP et RTT, compte épargne-temps, plan dépargne, resto dentreprise, comité dentreprise, mutuelle et prévoyance intéressantes, intéressement (jusquà +1,5 mois de salaire). Profil principal Actuariat / Statistiques - Statistiques Type de contrat CDI Télétravail Partiel Statut conventionnel appliqué/ Classe CCN Stés Assurance 27 mai 1992/Classe 5 Catégorie emploi Cadre Salaire à partir de 36K Management d'équipe Non Localisation du poste Localisation du poste à pourvoir France, Nouvelle-Aquitaine, GIRONDE (33) Ville MERIGNAC Critères candidat Niveau d'études min. requis Bac+5 et plus Niveau d'expérience min. requis 2 à 5 ans

{'salaire': [{'montant_min': 36000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description de l'entreprise Terry Soot Management Group (TSMG) est une société de collecte de données de terrain fondée en 2017 en Europe. Nous collectons des données là où l'automatisation n'est pas possible. Nous comptons les points, prenons des photos, réalisons des vidéos, enregistrons l’audio et analysons les zones pour chaque détail requis pour pouvoir prendre des décisions plus éclairées. Nos équipes de collecte de données sur le terrain sont réparties en Europe et en Amérique du Nord, prêtes à accepter de nouveaux défis. Objectif du projet L'objectif du projet est d'aider à collecter des images des rues, des principaux points d'intérêt et des espaces publics dans les pays de l'UE. Le projet est réalisé a l’aide des voitures équipés d'une caméra 3D qui recueille des image de la zone autour du véhicule et stockent des images sur des ordinateurs à l'intérieur du véhicule. Plus tard, ces données seront utilisées pour améliorer l'une des cartes en ligne les plus populaires au... monde. Les collecteurs de données recevront des itinéraires spécifiques autour des rues et des zones publiques, ciblant spécifiquement les quartiers commerciaux et les sites historiques. En raison des mauvaises conditions météorologiques, certaines zones seront visitées plusieurs fois afin de collecter la meilleure qualité d'imagerie. Le projet devrait durer au moins 3 mois et couvrira différentes zones de ville/état. L'horaire prévu sur le projet est du lundi au vendredi, 8 heures/jour 40 heures par semaine. Vous pouvez travailler plus de 8 heures si vous le souhaitez. Profil : Doit avoir un permis de conduire valide (expérience de conduite, 3 ans minimum) Doit avoir un parking pour véhicule Aime conduire, avec un horaire flexible Disponible pour un minimum de 3 mois Responsable & Fiable Bonnes compétences de conduite Excellentes habiletés pour la communication Haut niveau de responsabilité Connaissance générale de la voiture Compétences informatiques de base Motivé et orienté vers le détail Type d'emploi : Temps plein Salaire : 12,00€ à 13,00€ par heure Capacité à faire le trajet ou à déménager: Chalon-sur-Saône (71): Faire le trajet sans problème ou prévoir un déménagement avant de prendre son poste (Exigé) Permis/certificat: Driving license (Exigé

{'salaire': [{'montant_min': 12.0, 'montant_max': 13.0, 'devise': '€', 'frequence_versement': 'heure'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Au sein de la Direction Individuelle et du service Digital & Applications transverses, nous recherchons un(e) Data analyst en alternance pour intervenir sur l'exploitation des data parcours client Web et Appli mobile du périmètre Individuel Vie (Epargne, Retraite, Prévoyance). Totalement intégrée à l'équipe Projet Web et Appli du périmètre Vie, le(la) data analyst mettra la data des parcours clients au service des métiers. Il participera à la mise en oeuvre et au contrôle des indicateurs issus des parcours clients Vie Web et Appli mobile pour l'ensemble des entités Groupama Gan. Vos missions seront notamment : • Participation aux ateliers avec les métiers, la MOA et la MOE sur les thématiques data et tableaux de bord lié aux parcours clients Vie • Participation au recueil des besoins et cadrage des évolutions des tableaux de bord avec les équipes métiers (marketing, opérations...) • Test et validation de la mise en production du plan de tracking en lien avec la MOA et la MOA •... Participation à la création des tableaux de bord et présentation aux métiers, ajustement en fonction des besoins • Production des indicateurs clés liés aux parcours client vie des différentes entités • Exploitation et analyse de ces indicateurs destinés aux métiers, études data Définition des données pertinentes à extraire, la source à utiliser et la fréquence d'extraction Vous avez envie de faire grandir vos compétences... ... dans une entreprise qui place l'humain au coeur de ses ambitions Vous préparez un Bac+4/5 en gestion de projet ou data analyst Vos atouts pour réussir : Vous partagez nos valeurs de convivialité, d'esprit d'équipe et de satisfaction client. Vous êtes organisé(e), rigoureux(se) et précis(e), vous êtes animé(e) par un souci permanent du détail Doté(e) de belles capacités d'analyse, vous savez être proactif(ve), Vous avez une vraie appétence pour les outils de data analyse, la connaissance de Adobe Analytics est un plus Pourquoi venir chez nous Parce qu'on est une entreprise, appartenant à un Groupe solide et bienveillant, à l'ambition forte, qui sait que les meilleures idées viennent toujours de vous. Parce qu'on s'engage dans le développement de nos collaborateurs (groupes de travail, colloques, formations...), le meilleur moyen pour devenir une entreprise toujours plus innovante et responsable. Parce qu'on se rappelle toujours pourquoi on agit, on sait se laisser le temps de la réflexion pour avancer ensemble dans la meilleure des directions. Parce qu'on est flexible dans l'organisation du travail (accords télétravail) comme soucieux de votre équilibre vie pro/perso. Et parce qu'on offre de nombreux avantages : plan d'épargne, resto d'entreprise, comité d'entreprise, mutuelle et prévoyance intéressantes, intéressement (jusqu'à +1,5 mois de salaire

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description du poste et Missions Nous sommes une entreprise en pleine croissance, pionnière dans le domaine des ressources humaines. Notre mission est de révolutionner la manière dont les étudiants et les entreprises se connectent. Nous avons développé une solution innovante qui permet aux étudiants de découvrir les métiers et aux entreprises de recruter les talents de demain. Notre modèle repose sur des partenariats solides avec les établissements d’enseignement supérieur, et nous sommes fiers de notre impact positif sur la carrière des jeunes professionnels. Le poste : Nous recherchons un(e) Senior Analytics Engineer passionné(e) par les données et la technologie. Vous rejoindrez notre équipe dynamique pour façonner l’avenir de notre plateforme. Votre rôle sera essentiel pour soutenir nos nouveaux partenariats institutionnels et garantir la réussite de notre application SaaS, “Odyssey”. Missions du poste : En tant que membre de notre équipe data, vous collaborerez avec des experts... techniques et des professionnels du secteur. Voici vos principales missions : Modélisation des données : - Utiliser DBT (Data Build Tool) pour modéliser et tester les données de nos applications. - Créer des vues efficaces et adaptées aux besoins de réutilisation. - Documenter les modèles de données et promouvoir les bonnes pratiques. Analyse des données : - Réaliser des visualisations de données pour nos équipes métier. - Répondre aux besoins des équipes customer success, growth, marketing et produit. - Faire du suivi d’objectifs et anticiper l’impact des actions marketing. Qualité des données : - Mettre en place des tests de qualité pour garantir la fiabilité des données sous-jacentes. - Contribuer à l’amélioration continue de notre base de connaissances. Profil recherché - Formation : Vous êtes titulaire d’un Master ou d’un diplôme équivalent en informatique, statistiques ou sciences des données. - Expérience : Vous justifiez d’au moins 3 ans d’expérience en tant qu’Analytics Engineer. - Compétences techniques :Maîtrise de DBT, SQL (BigQuery) et Python. - Connaissance des outils de data visualisation (Metabase, Tableau, etc.). - Capacité à travailler avec des équipes multidisciplinaires. - Esprit d’innovation et curiosité pour les nouvelles technologies. Compétences techniques - Transformation : DBT (Data Build Tool) - Data Warehouse : SQL (BigQuery) - Orchestration : Python - Data visualisation : Metabase - Data synchronisation : Airbyte - Gestion de projet : Asana Informations utiles • Localisation : Paris - 75, France • Contrat : CDI • Salaire : 45000,00 à 55000,00 EUR par mois • Niveau de qualification : Ingénieur/Cadre/Bac +5 • Expérience : 1 à 7 ans, + 7 ans • Modalités de travail : Temps complet • Fonction : Informatique - Systèmes/Réseaux, Informatique - Développement • Secteur : Industrie high-tech/Telecom, Secteur informatique/ESN • Télétravail : Oui - Intéressement : Participez à notre succès collectif. - Tickets restaurant : Profitez de repas équilibrés. - Mutuelle d’entreprise : Votre bien-être est notre priorité. - Télétravail partiel : Conciliez vie professionnelle et personnelle Qui sommes nous ? Twenty One Talents

{'salaire': [{'montant_min': 45000.0, 'montant_max': 55000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Les missions du poste Vous souhaitez intégrer une entreprise à taille humaine et en pleine croissance ? Vous cherchez à faire valoir votre talent et à acquérir de nouveaux savoir-faire ? Ne cherchez plus, c'est chez nous que ça se passe. Nous, c'est GGVie : l'unique société d'assurance de personnes du Groupe Groupama. Nous, ce sont les femmes et les hommes de GGVie : près de 2 000 collaborateurs qui expérimentent, se serrent les coudes, s'écoutent et se donnent les moyens d'agir pour révolutionner le métier d'assureur. Chez nous, on conçoit, souscrit et gère des contrats d'assurance vie et santé (épargne, retraite, prévoyance et santé). Ces derniers sont ensuite commercialisés par nos 5 réseaux de distribution : Caisses Régionales Groupama, Gan Assurances, Gan Patrimoine, Gan Prévoyance et Gan Eurocourtage. Et vous dans tout ça ? Nous le savons, les meilleures idées viennent de vous et nous sommes convaincus de la force du collectif ! Voilà pourquoi nous encourageons la prise... d'initiatives, la remise en question et favorisons l'expérimentation. Nous avons à coeur de vous donner le pouvoir pour que nous puissions, ensemble, viser haut et relever nos défis. Envie de rejoindre la communauté #GGVie ? Votre belle histoire pourrait commencer ici ! Votre mission si vous l'acceptez. Au sein de la Direction Individuelle et de la Direction de la Prévoyance Individuelle vos missions seront notamment : - Participer au développement commercial du produit Emprunteur en suivant les différentes étapes de commercialisation (indications, devis, signatures, rémunération) - Participer à l'ensemble des projets liés à la stratégie de développement du business et à son pilotage en identifiant les leviers d'optimisation grâce à l'utilisation des données clients & contrats disponibles - Consolider les reportings sur les trois familles de produit (Prévoyance Pure, Vie entière, Emprunteur) et fiabiliser la vision de bout en bout - Elaborer et/ou faire évoluer les tableaux de bord relatifs aux résultats commerciaux des différents réseaux commerciaux - Réaliser le suivi hebdo et des études spécifiques sur les actions commerciales et temps forts - Accompagner l'équipe marketing sur les campagnes (aide au ciblage, ROI) - Fournir à l'équipe Animation l'évolution de la production réalisée par les commerciaux formés Le profil recherché Vous avez envie de faire grandir vos compétences... ... dans une entreprise qui place l'humain au coeur de ses ambitions ? Vous avez de préférence une formation supérieure en Statistiques ou Mathématiques et une expérience d'au moins 2 ans. Vous avez un appétit pour la data en général, un esprit synthétique et une aisance relationnelle ? Vous maitrisez le Pack Office, les langages Python et R (notamment leurs librairies de visulation). Enfin, vous avez des connaissances de Qlik Sense ainsi que des notions SAS, SAP & langages VBA et SQL ?... Alors c'est sûr, on est fait pour se rencontrer. Pourquoi venir chez nous ? Parce qu'on est une entreprise, appartenant à un Groupe solide et bienveillant, à l'ambition forte, qui sait que les meilleures idées viennent toujours de vous. Parce qu'on s'engage dans le développement de nos collaborateurs (groupes de travail, colloques, formations...), le meilleur moyen pour devenir une entreprise toujours plus innovante et responsable. Parce qu'on se rappelle toujours pourquoi on agit, on sait se laisser le temps de la réflexion pour avancer ensemble dans la meilleure des directions. Parce qu'on est flexible dans l'organisation du travail (accords télétravail) comme soucieux de votre équilibre vie pro/perso. Et parce qu'on offre de nombreux avantages : CP et RTT, compte épargne-temps, plan d'épargne, resto d'entreprise, comité d'entreprise, mutuelle et prévoyance intéressantes, intéressement (jusqu'à +1, 5 mois de salaire). Bienvenue chez Groupama Gan Vie Vous souhaitez intégrer une entreprise à taille humaine et en pleine croissance ? Vous cherchez à faire valoir votre talent et à acquérir de nouveaux savoir-faire ? Ne cherchez plus, c'est chez nous que ça se passe. Nous, c'est GGVie : l'unique société d'assurance de personnes du Groupe Groupama. Nous, ce sont les femmes et les hommes de GGVie : près de 2 000 collaborateurs qui expérimentent, se serrent les coudes, s'écoutent et se donnent les moyens d'agir pour révolutionner le métier d'assureur. Chez nous, on conçoit, souscrit et gère des contrats d'assurance vie et santé (épargne, retraite, prévoyance et santé). Ces derniers sont ensuite commercialisés par nos 5 réseaux de distribution : Caisses Régionales Groupama, Gan Assurances, Gan Patrimoine, Gan Prévoyance et Gan Eurocourtage. Et vous dans tout ça ? Nous le savons, les meilleures idées viennent de vous et nous sommes convaincus de la force du collectif ! Voilà pourquoi nous encourageons la prise d'initiatives, la remise en question et favorisons l'expérimentation. Nous avons à coeur de vous donner le pouvoir pour que nous puissions, ensemble, viser haut et relever nos défis. Envie de rejoindre la communauté #GGVie ? Votre belle histoire pourrait commencer ici ! Mais aussi... à partir de 36K

{'salaire': [{'montant_min': 36000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

/ CDI / Environ 55k€ / 0 - 12+ ans / France Le poste Au sein de la DSI Groupe, rattaché au Pôle Données, vos responsabilités sont les suivantes : Votre mission première sera de participer activement à la démarche d'industrialisation des solutions big data : * Vous collaborez fortement avec une équipe d'experts sur la donnée énergétique dans le but de concevoir l'architecture big data et la piloter, * Vous serez attendu également sur tous les sujets d'innovations data visant à améliorer et valoriser la donnée : Move to cloud pour exemple, * Vous anticipez les challenges à venir comme une croissance forte des volumes de données et les outils technologiques adéquats et qui permettront d'y répondre, * Vous devez embarquer différents interlocuteurs tant métiers, top management que les interlocuteurs techniques du pôle et de la DSI Groupe, * Vous devrez échanger avec les équipes infrastructure du Groupe sur les meilleures solutions d'hébergement de la donnée et répondant à l'accroissement... du volume, * Dans cette démarche collaborative, vous serez chargé de réaliser des études techniques, * Vous participez activement aux cérémonies AGILE. Les responsabilités Pourquoi venir chez nous? Les équipes "agiles" de Michael Page (consultants & chargés de recrutement) vous apportent de l'écoute, du conseil et des offres adaptées à vos attentes en CDI et en free-lance. Les collaborateurs spécialisés par "Hub" sont à votre service pour vous proposer les meilleures opportunités de carrière dans les domaines suivants : Infrastructures&Réseaux, ERP&Business Solutions, Digital&Data, Développement

{'salaire': [{'montant_min': 55000.0, 'montant_max': 55000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Les missions du poste Le groupe Crédit Agricole est l'un des tout premiers acteurs bancaires en Europe. Premier bancassureur, leader de la banque universelle de proximité en France, le Crédit Agricole est la banque d'1 particulier sur 3, d'une entreprise sur 2 et de 9 agriculteurs sur 10. Fort de ses fondements coopératifs et mutualistes, de ses 150 000 collaborateurs et 31 000 administrateurs des Caisses locales et régionales, le groupe Crédit Agricole est une banque responsable et utile, au service de 49 millions de clients, 7, 4 millions de sociétaires et 1, 2 million d'actionnaires. La Caisse Régionale du Crédit Agricole Alpes Provence est présente sur l'ensemble du territoire des Bouches du Rhône, Hautes Alpes et du Vaucluse au travers de ses 2 300 collaborateurs et de ses 208 agences. Nos réseaux spécialisés accompagnent les besoins spécifiques des particuliers, professionnels, agriculteurs, institutionnels, collectivités publiques, entreprises, clients patrimoniaux, en... finançant chaque jour 190 projets pour ses 685 000 clients. Qui sommes-nous ? Banquier-assureur des moments qui comptent, le Crédit Agricole Alpes Provence facilite et sécurise les projets de vie de chacun de ses 780 000 clients, offrant aux meilleures conditions, tous les atouts d'une banque moderne et dynamique. Nous considérons les femmes et les hommes de CAAP comme la ressource la plus précieuse pour réussir, c'est pourquoi nous tenons non seulement à recruter les meilleurs talents, mais aussi à créer des conditions et des relations de travail optimales au sein de notre organisation. Envie d'avoir un impact positif sur l'humain, l'environnement et la Société, c'est par ici que ça se passe ! A quoi ressemble ta journée ? Chaque journée est un nouveau challenge où l'objectif final est de rendre intelligente les milliers de données qui sont à ta disposition afin de faciliter les prises de décisions stratégiques ainsi que le développement de l'activité de l'entreprise. On t'avertit nous aimons la jouer varié, dans un environnement bienveillant, transparent et propice à l'émergence des meilleures solutions. Tu réalises des études Data Marketing (en lien avec les Chefs de Produit) mais tu prends aussi en charge les études Data pour l'ensemble des autres Directions (Moyens de Paiement, Flux, Crédits, Risques, Conformité, Transition/RSE...). Tu développes, mets en place, et maintien des outils de suivi et pilotage mais surtout tu les automatises Tu intègres, test et met en oeuvre les modèles, scores, segmentations qui nous sont fournies par le Groupe. Tu peux être amené à réaliser tes propres modèles, segmentation, scores en mode Agile grâce au lien que tu vas tisser avec l'ensemble de tes interlocuteurs dans les services du siège mais surtout en échangeant et en testant tes travaux avec nos conseillers, directeurs d'agence ou directeurs de Centre d'Affaire sur le terrain. Tu contribues à maintenir un DataWarehouse fiable et sécurisé grâce à l'utilisation des données mises à disposition par le Groupe Crédit Agricole au national et tu enrichis celui-là via tes travaux et ton intégration de données OPEN DATA. Le profil recherché Quelles sont tes compétences ? Avant tout, tu as a de très bonnes capacités d'écoute et d'analyse associées à un réel sens relationnel et beaucoup d'empathie. Tu es passionné par les Datas, aime la rigueur, le partage et apprécie l'échange de bonnes pratiques. Tu es issu d'une formation Bac +4/5, diplômé d'un Master en Statistiques, Informatique, Data, diplômé d'une école d'Ingénieur ou issu d'une formation supérieure reconnue. Tu as eu une expérience de + de 3 ans comme Data Analyst que tu veux mettre à profit avec nous. Tu parles couramment le SQL (si en plus tu es bilingue en SAS, Python ou R... c'est le top). Et cerise sur le gâteau, tu as déjà travaillé dans un établissement financier ou une assurance. Quoi d'autre ? C'est un poste non-cadre. Tu travailles dans un environnement à taille humaine au sein du service Data intégré au département Marketing. Une équipe de passionnés composée de Chef de Projet, de Data Analyst et de Data Scientist, experts dans leurs domaines respectifs. Tu as envie de missions variées, dans un environnement autonome et valorise et met en oeuvre la pro-activité et où ton quotidien aura des impacts visibles sur les résultats de l'entreprise. Tu es disponible le plus tôt possible è Envoies-nous ton book de candidature à ****@****.** Comment ça se passe ? Un premier échange de 15 min avec Tiffany de l'équipe recrutement pour tout checker. Un second échange avec Sébastien responsable du service, puis avec Elodie notre responsable de Département Marketing, CRM & Data. Une rencontre informelle avec les membres de l'équipe lors de laquelle tu pourras leur poser plein de questions (l'ambiance sur le campus, l'organisation du travail, les atouts et bons plans de l'entreprise...) et eux aussi pourront te poser des questions. C'est important de connaitre ceux avec qui tu vas travailler au quotidien J Un dernier échange avec Tiffany pour discuter des aspects contractuels Et Welcome on board ! Bienvenue chez Crédit Agricole Alpes Provence Le groupe Crédit Agricole est l'un des tout premiers acteurs bancaires en Europe. Premier bancassureur, leader de la banque universelle de proximité en France, le Crédit Agricole est la banque d'1 particulier sur 3, d'une entreprise sur 2 et de 9 agriculteurs sur 10. Fort de ses fondements coopératifs et mutualistes, de ses 150 000 collaborateurs et 31 000 administrateurs des Caisses locales et régionales, le groupe Crédit Agricole est une banque responsable et utile, au service de 49 millions de clients, 7, 4 millions de sociétaires et 1, 2 million d'actionnaires. La Caisse Régionale du Crédit Agricole Alpes Provence est présente sur l'ensemble du territoire des Bouches du Rhône, Hautes Alpes et du Vaucluse au travers de ses 2 300 collaborateurs et de ses 208 agences. Nos réseaux spécialisés accompagnent les besoins spécifiques des particuliers, professionnels, agriculteurs, institutionnels, collectivités publiques, entreprises, clients patrimoniaux, en finançant chaque jour 190 projets pour ses 685 000 clients. Mais aussi... 35-50 K€

{"salaire": [{"montant_min": 35000.0, "montant_max": 50000.0, "devise": "\u20ac", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Iziwork est une agence de recrutement digital qui sélectionne les meilleures missions et offres d'emploi pour les centaines de milliers d'intérimaires et candidats qu'elle a déjà séduits. Postulez en quelques minutes, gérez votre contrat en un clin d'oeil depuis notre app et bénéficiez du suivi personnalisé de votre recruteur au quotidien. À propos de la mission Nous recherchons pour notre client un Data Analyst pour une mission d'intérim de 6 mois. Vos missions : - Organiser et conduire les ateliers de construction des modèles de données pour chaque référentiel groupe - Accompagner les métiers à la définition des règles d'archivage, de gestion et de contrôle qualité - Assurer les contrôles préliminaires de cohérence des données - Accompagner l'administrateur des données au transcodage des règles de contrôle qualité dans Talend - Assurer les contrôles préliminaires de cohérence des données - Participer au processus de migration des données dans l'ERP cible en accompagnant les... métiers à l'identification des écarts et à la mise en conformité des data dans la/les solutions cible - Identifier les incohérences avec l'architecture et participer à la synchronisation de l'intégrité des flux - Assurer la supervision et l'intégration des données de diverses natures et vérifier la qualité des données qui entrent dans le Data Lake - Structurer le cycle de vie de la donnée dans le respect des réglementations RGPD & ISO24143 Rémunération & Avantages Rémunération : 20,00 € par heure Avantages : - Intérim : 10% IFM + 10% ICP + 10% CET IZIWORK - Opération parrainage : 50€ de prime pour vous / 10€ de prime pour vos amis - Télétravailler jusqu'à 2 jours/semaine - Bénéficier des avantages et activités négociés par le CSE Profil recherché - Issu(e) d'une formation en Informatique de niveau BAC+2/+3, vous disposez d'une expérience similaire de 2 à 3 ans idéalement en milieu industriel ou SSI. - Vous possédez une première expérience de gestion de projet informatique, vous savez animer des ateliers. - Très organisé(e), rigoureux(se), réactif(ve), vous savez gérer les priorités. - Votre sens du service et votre aisance relationnelle vous permettent d'instaurer un climat de confiance avec vos différents interlocuteurs. - Vous maitrisez les langages informatiques suivants : Java, Python, SQL. Connaissances souhaitées d'un outil MDM (Talend, Tibco) et d'un ETL. - Vous bénéficiez d'une bonne maîtrise d'Excel. - Notre environnement international requiert la maîtrise de l'anglais à un niveau B2 minimum (intermédiaire - avancé). - Expérience : Entre 24 mois et 5 ans

{"salaire": [{"montant_min": 20.0, "montant_max": 20.0, "devise": "€", "frequence_versement": "heure"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Fondée en 1976, CGI est l’une des plus importantes entreprises de services-conseils en technologie de l’information (TI) et en management au monde. Nous sommes guidés par les faits et axés sur les résultats afin d’accélérer le rendement de vos investissements. Big Data, Data Science, Data analyse, Data architecture ... Ça n’a pas de secret pour vous ? Que vous commenciez votre carrière professionnelle ou que vous soyez spécialiste de l’une de ces disciplines, intégrer notre communauté Data, c’est l’assurance de progresser, innover, partager, vous certifier et rendre service à nos clients. Si vous souhaitez intégrer nos équipes à Niort et accompagner les plus grands acteurs du secteur des Assurances, cette annonce est susceptible de vous intéresser. En tant que Data Engineer, vous serez responsable de la conception, du développement, de la gestion et de l'intégration des systèmes basés sur les technologies AWS, Terraform, OpenShift, Kafka et Hadoop. Ce rôle implique la mise en... place d'architectures évolutives et hautement disponibles pour répondre aux besoins de traitement et de stockage de données de l'entreprise. Fonctions et responsabilités : Vos responsabilités seront les suivantes : • Maintenir et développer des solutions basées sur les services AWS pour le stockage, le traitement et l'analyse de données • Utiliser les services AWS appropriés tels que Amazon EC2, S3, RDS, Lambda, etc., pour répondre aux exigences du projet. • Créer et maintenir les configurations Terraform pour la gestion de l'infrastructure en tant que code (IaC) sur AWS • Participer à la maintenance et à la mise en place d'environnements OpenShift pour l'hébergement d'applications et de services • Gérer et administrer les clusters Kafka pour garantir la disponibilité, la performance et la sécurité du système de messagerie Participer à l’assistance utilisateurs sur les briques de la plateforme Hadoop Cloudera Data Travailler avec les projets et les devOps pour assurer un traitement efficace des données En rejoignant CGI, vous bénéficiez notamment d’une offre complète de formations (techniques, métiers, développement personnel, ), de flexibilité grâce à notre accord télétravail (jusqu’à 3 jours de télétravail par semaine), d’une politique de congés avantageuse (27 jours de congés payés, RTT, congés ancienneté et enfant malade, ) et d’un package d’avantages intéressant (régime d’achats d’actions, participation, CSE,...). Ayant une première expérience en tant que Data Engineer, vous avez une première expérience relative aux points suivants : • Développement et intégration sur les technologies AWS, Terraform, OpenShift, Kafka et Hadoop • Connaissance avancée de l'administration Kafka, y compris la configuration, la gestion et la résolution des problèmes • Mise en œuvre de l'infrastructure en tant que code à l'aide de Terraform • Bonne compréhension des bonnes pratiques de sécurité pour les systèmes cloud, les clusters Kafka et les plateformes Hadoop CGI est un employeur inclusif et attentif aux candidatures des personnes en situation de handicap, à l’évolution de carrières des hommes et des femmes et au bien-être de nos salariés LGBT+. Dans un souci d’accessibilité et de clarté, le point médian n’est pas utilisé dans cette annonce. Tous les termes employés se réfèrent aussi bien au genre féminin que masculin. Skills : Data Centre Operation

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Notre client, entreprise spécialisée dans le secteur de la distribution, recherche son futur • * Data Analyst F/H** en CDI. Le poste est basé dans le sud de Paris. Rattaché à l’équipe Marketing, et en lien direct avec l’ensemble des départements des fonctions supports, vous serez chargé d’extraire, d’analyser et d’optimiser les données du groupe dans le cadre de lancements de projets, vous serez également amené à automatiser certains outils. Ainsi, vos principales missions sont: - En lien avec les métiers, vous être chargé de l’analyse et de l’identification de leurs problématiques opérationnelles afin d’y répondre via l’analyse d’éléments chiffrés - L’identification des sources de données les plus adaptées - L’extraction des données pertinentes dans le but de les exploiter - La création d’outils d’analyse pertinents (tableaux de bord, graphiques,) pour faciliter la prise de décision - L’optimisation des temps de traitement et la mise à jour régulière des bases de données... outils - L’automatisation et l’amélioration des processus existants - Travailler sur des projets d’amélioration continue en lien avec l’équipe Big Data et la Direction des Systèmes d’Information - Assurer une veille concurrentielle du marché - Former et accompagner les utilisateurs dans la prise en main des outils de data analyse De formation supérieure de type bac+5 en école de commerce ou équivalent, vous justifiez d’une expérience d’au minimum 3 ans sur une fonction de Data Analyst (hors stage et alternance), idéalement acquis dans le secteur de la distribution. Vous justifiez d’une grande capacité d’analyse et de synthèse, vous avez l’habitude de lancer de nouveaux dispositifs (CRM, création d’études statistiques). Vous êtes familié avec le vocabulaire IT et avez déjà travaillé avec les équipes de ce même département. Vous maitrisez les principaux outils de data analyse : Excel, Access, SQL, Power BI, Doté d'un bon relationnel, vous n'avez pas peur d'échanger et de communiquer avec d'autres services pour exploiter la connaissance de certains experts. Outre vos compétences techniques, vous êtes dynamique, force de proposition et apprécié le travail en équipe Budget : 45/52K€ en fixe + part variable, selon profil Restaurant d’entreprise - CSE - politique de télétravail - avantages divers

{'salaire': [{'montant_min': 45000.0, 'montant_max': 52000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Banque de France recherche … Présentation de la direction générale et du service La Direction générale de la Stabilité financière et des Opérations, la DGSO, exerce une grande partie de ses activités dans le cadre de l'Eurosystème. Mise en oeuvre de la politique monétaire, conduite des opérations de change, gestion des réserves, promotion du bon fonctionnement des systèmes de paiement, stabilité financière sont autant de domaines dans lesquels la DGSO est un acteur majeur. La Direction des systèmes d'information des Marchés et des infrastructures européennes (DRIME) comprend près de 150 personnes réparties dans cinq unités et interagit avec environ 400 personnes réparties dans 4 banques centrales nationales. Elle prend en charge l'ensemble des activités de direction produit, maîtrise d'ouvrage et support opérationnel de TARGET2 et TARGET2-Securities pour les modules sous sa responsabilité Au sein de la DRIME, Le service d'Innovation et Support Produit des Infrastructures de marché... européennes est en charge entre autres du support des produits TARGET2 et TARGET2 Securities ainsi que des sujets d'innovation autour des infrastructures de marché européennes. - TARGET2 (T2) : T2 est pour la zone Euro la plateforme unique d'échange en monnaie banque centrale qui fonctionne en temps réel (RTGS - Real-Time Gross Settlement system). - TARGET2 Securities (T2S) : T2S est une plateforme technique unique où les différents dépositaires de titres (CSD) peuvent réaliser l'ensemble de leurs règlements en monnaie de banque centrale. La plateforme est en production depuis juin 2015. Descriptif de mission Vous viendrez en support des activités du pôle Innovation des Infrastructures de Marché (4 personnes de formation scientifique) en charge entre autres de la maintenance évolutive du moteur de règlement de nuit de T2S qui assure le règlement-livraison des transactions dans T2S en mode batch durant la nuit en utilisant des techniques d'optimisation issue du domaine des mathématiques et de la recherche opérationnelle. Il vous sera demandé de concevoir et de développer des outils de suivi graphique d'indicateurs de performance des algorithmes du moteur de règlement et de la topologie des problèmes de marché. Vous vous appuierez sur des travaux du même type déjà réalisés et sur le support de l'équipe et d'expert en mathématiques et en analyse de données. Vous présenterez vos résultats et adapterez la démarche en fonction des échanges. Enfin vous rédigerez le rapport de vos travaux en anglais et/ou en français. Ce stage vous donnera l'occasion d'acquérir une expérience significative dans l'application de techniques d'analyse de données et de visualisation graphique que vous avez appris sur des données réelles. Vous découvrirez comment les mathématiques peuvent être appliqués pour résoudre des problèmes du monde de la finance. Vous allez pouvoir découvrir une des plus importantes plateformes financières européennes qui centralise et assure la bonne exécution des opérations financières du marché européen. Profil recherché Formation recherchée : Étudiant préparant un diplôme de niveau Bac +5, école d'ingénieur ou master universitaire avec spécialisation Informatique/Analyse de données et/ou Recherche Opérationnelle/Mathématiques Appliquées Compétences : Vous êtes motivé(e) pour découvrir le monde bancaire et les infrastructures financières de marché et de l'Eurosystème. Vous aimez l'analyse de données et les mathématiques et leurs applications à des problématiques concrètes. La manipulation de données avec des techniques statistiques est quelque chose qui vous passionne. Vous avez une bonne connaissance de ASP.NET, JavaScript, VBA, C#, SQL et/ou Python. Vous avez un niveau de rédaction et de compréhension convenable en anglais, les documentations disponibles étant majoritairement rédigées en anglais. Qualités : Vous avez une approche scientifique, une pensée rationnelle et une expression claire. Vous êtes curieux, vous avez envie d'apprendre et faites preuve de rigueur et d'un minimum d'autonomie. Contactez nos ambassadeurs La Banque de France est une institution socialement responsable, attachée au respect de la diversité sous toutes ses formes, à la lutte contre les discriminations, à favoriser la parité Femme/Homme et à garantir un environnement de travail de qualité. Des aménagements de poste peuvent être organisés pour tenir compte des handicaps des personnes recrutées. En résumé ... • Paris 1er - 75 • Stage • Banque • Assurance • Finance • Bac +5 • Exp. - 1 an • Exp. 1 à 7 ans • Exp. + 7 ans Publiée le 12/03/2023. Réf : STG-3700

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Informatique Ingnieur informatique La Relve CDI - DATA ENGINEER (MDIA) (H/F) Nous recrutons pour lun de nos clients, un Data Engineer en CDI dans le secteur des mdias. Description de lentreprise Premier grand quotidien national, crateur de contenus originaux forte valeur ajoute, notre client se distingue par sa capacit innover et dploie lensemble de ses marques sur tous les supports: print, web, TV connecte, tablettes et mobiles.. Description du poste et des missions Au sein de lquipe Data du Groupe Figaro CCM Benchmark, notre futur Data Engineer participera au maintien et lvolution de larchitecture technique de la plateforme Data du groupe. Confront aux problmatiques de gros volumes de donnes provenant de diffrentes sources (Navigation, Publicit, CRM, Emailing, E-Commerce...) et sous divers formats, Il travaillera avec des Data Scientists, des Data Architects & des Data Analysts sur les projets des diffrentes BU du groupe (Analyse de la donne, personnalisation et recommandation... de contenus, segmentation de laudience...). En tant que Data Engineer, vous serez amen : Maintenir et faire voluer notre architecture tre force de proposition pour mettre en place et faire voluer nos traitements, tout en garantissant lintgrit de la donne destination des quipes mtier Intervenir sur lensemble des aspects scurit de notre plateforme ?? Profil recherch Notre Data Engineer idal : A au moins 5 ans dexprience dans des environnements cloud (de prfrence AWS) Possde une bonne comprhension de lensemble dune stack Data, du stockage jusquaux outils Analytics (Redshift et/ou Snowflake) Possde de solides comptences sur Spark (Scala idalement) et SQL Maitrise des environnements distribus de type Hadoop Comprend les enjeux mtier et se montre force de proposition pour y rpondre Est curieux et en veille technique permanente En Bonus A dj travailler avec un ordonnanceur de type Airflow A dj travailler sur des API de type API Gateway, Lambda Possde des connaissances sur la chane CI/CD Est familier des outils de type JIRA Informations complmentaires Type de contrat : CDI Statut : Cadre Localisation du poste : Paris Equipe de rattachement : Data Rmunration : 50 70k Tltravail : 2 jours / semaine Dmarrage souhait : Sous 3 mois Cette opportunit vous correspond ? Adressez-nous votre candidature et un consultant vous contactera dans les plus brefs dlais ! ??? CDI France le de France Seine St Denis (93) 93200

{"salaire": [{"montant_min": 50000.0, "montant_max": 70000.0, "devise": null, "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Google-cloud-platform / Microsoft-azure / Python / Amazon-web-services / Kafka / Agile / Conseil / Management / Pilotage de projets_ Big Data Analyst, Big Data Developer, Manager data science, Data Engineer / CDI / Environ 110k€ / 7+ / Paris_ Le poste Cette société spécialisée en Data avec un gros focus Marketing & CRM accompagne ses clients dans la mise en place de solution et plateforme Data pour ses clients avec une orientation internationale. Afin de continuer de mettre en place des solutions et architectures data pour leurs clients cette société recherche leur nouveau Data Engineering Manager qui viendra piloter les projets et l’activité Data Engineering du groupe. Rattaché au Head of Data Platform du groupe vous prendrez en charge une équipe d’une 20aine de Data Engineer et serait le référent technique et projets Data Engineering & Cloud. Vous travaillez sur l’ensemble de la chaîne de la Data : Architecture, Développement de plateforme Data (ingestion, traitement, stockage... exposition des données), industrialisation des solutions développées (essentiellement en mode cloud). Vous serez chargé de piloter toute l’activité Data Engineering du groupe. Les responsabilités Manager l’équipe Data Engineering & la practice GCP - 20 à 30 personnes. Vous serez chargé de piloter toute l’activité et le projets Data Engineering du groupe. Vous assurez le suivi technique et méthodologique de vos équipes Data - notamment sur le partage de bonnes pratiques et la montée en compétence. Vous serez amené à contribuer à la partie commerciale notamment sur le calibrage des projets, développer des opportunités en cours afin de faire grandir la société, les projets et vos équipes. Vous serez également amené à continuer à développer le partenariat avec Google afin de délivrer des formations techniques toujours plus poussées. Pourquoi venir chez nous? Très gros challenge côté Data Pouvoir animer toute la practice sur la partie Data Engineering & GCP Projets Data à fort impact Diversité des projets Culture d’un management transparent et de proximité Rejoindre un acteur majeur de la data reconnu

{'salaire': [{'montant_min': 110000.0, 'montant_max': 110000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Consultant Data Analyst Paris, Ile-de-France €45000 - €60000 Cette agence spécialisée dans le data marketing recherche un Data Analyst pour aider ses clients variés à remplir leurs objectifs. Vous serez amené à travailler en étroite collaboration au sein d'une équipe grandissante pour mener à bien des missions complètes allant de l'analyse et visualisation au consulting LE ROLE En tant que Data Analyst, vos missions seront : • La compréhension des besoins clients et l'élaboration de méthodologies pour les accompagner dans leur évolution • L'identification et extraction de données et le contrôle de leur cohérence • La représentation des résultats par le biais d'une visualisation efficace • L'automatisation d'analyses de manière à les rendre accessibles aux différentes équipes • La conduite de projets innovants, de leur définition jusqu'à leur application LE PROFIL • Vous disposez d'au moins 3 ans d'expérience dans un poste similaire • Vous êtes titulaire d'une formation ingénieur... ou commerce • Vous maîtrisiez les outils SQL, Python, ainsi qu'un outil de visualisation de type Tableau • Vous maîtrisez l'anglais • Vous avez l'esprit analytique et vous intéressez à l'univers Tech LES AVANTAGES • Vous évoluerez au sein d'un environnement collaboratif et ambitieux • Vous bénéficierez d'un coaching et d'une formation continue • Vous aurez la possibilité de télétravailler de manière flexible • Vous collaborerez avec des clients prestigieux

{'salaire': [{'montant_min': 45000.0, 'montant_max': 60000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Poste : Le Datalab accompagne chaque jour les métiers de la souscription, de l'indemnisation, du commercial et de la finance dans le pilotage de leur activité en construisant des tableaux de bord d'aide à la décision grâce aux outils SAS, R, Python, QlikView, QlikSense. Notre métier est de valoriser la donnée pour en faire une richesse et une ressource incontournable de l'entreprise. Rejoindre le Datalab, c'est rejoindre une équipe d'une trentaine de Data Analyst en charge de la production de l'ensemble des tableaux de bord de l'entreprise au travers de ses 5 pôles : Opérationnel, Indemnisation, Commercial, Technique et Financier. Le pôle Indemnisation du DataLab de Gan cherche un(e) Data Analyst en CDIqui travaillera en étroite collaboration avec notre Direction Indemnisation et plus précisément sur les parcours indemnisation dommage aux biens. Vous construirez et maintiendrez des tableaux de bord qui nous permettront de suivre, garantie par garantie, le parcours d'indemnisation... de nos assurés sinistrés. Vous participerez à toutes les phases du projet : · La spécification des indicateurs et des restitutions en proximité avec les utilisateurs, dont vous serez l'interlocuteur privilégié · L'identification des données sources nécessaires à l'alimentation des suivis (SAS/SQL) · La construction des restitutions automatisées et dynamiques (Excel / QlikView / QlikSense) · La mise en place de la documentation et le déploiement des restitutions auprès des utilisateurs. En parallèle, vous travaillerez également sur tous les projets et les ateliers transverses de la Direction Technique. Profil : Bac +5 en statistiques ou informatique décisionnelle, Niveau d'expérience : 5 ans minimum dans le traitement de données SAS Connaissances requises : Maîtrise impérative de SAS/SQL Des compétences en DataViz (idéalement QlikView et/ou QlikSense) sont un vrai plus Une expérience dans le monde l'assurance sera vivement appréciée. Qualités recherchées : Esprit d'initiative et de synthèse, curiosité, créativité, rigueur, dynamisme, force de proposition et bon relationnel. Le poste à pourvoir en classe 5 sera basé sur le Campus Groupama à Nanterre Préfecture (92). Salaire sur 13 mois. Entreprise : Filiale du groupe Groupama depuis 1998, Gan Assurances est un assureur généraliste qui propose aux particuliers, professionnels et entreprises une offre complète adaptée aux besoins en auto, habitation, santé, prévoyance, épargne, retraite, placements, garanties professionnelles. Au service de 1,4 million de clients, Gan Assurances constitue le 5e réseau français d'Agents généraux en France, grâce à ses 915 Agents généraux et 2500 collaborateurs d'agence, soutenus par 1500 salariés répartis sur toute la France. Son chiffre d'affaires 2021 est de 2,1 milliards d'euros, dont 1,4 milliard d'euros en assurances IARD (assureur en IA et en Santé Individuelle) et 677 millions d'euros en assurance Vie (distributeur en Vie individuelle et collective). Notre ambition est de devenir un acteur de référence sur le marché des professionnels et des entreprises. Les recrutements de Gan Assurances reposent sur une politique de recrutement inclusive et diversifiée ainsi que sur le respect fondamental du principe de non-discrimination et d'égalité de traitement des candidatures. Découvrez qui nous sommes, nos collaborateurs et nos différents métiers sur notre site

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description de l'entreprise CITECH recrute ! 👌 ✨ Si vous souhaitez apporter vos compétences dans la réalisation d’un projet innovant, nous avons LE poste pour vous ! Nous recherchons en effet un(e) Business Analyst (H/F) 🚀 Au service de la performance, de l'innovation et de la compétitivité des industriels, notre client est un groupe international, intégrateur de solutions en engineering et travaux. C'est un partenaire de confiance, créateur de valeur dans une approche éthique et responsable. 👉 Vous participerez à la refonte du SI de gestion, pilier des process de l'entreprise, pour l'ensemble de ses entités. 👈 Description du poste 🙌🔽 Vous aurez donc les missions principales suivantes : 🔽🙌 🔸 Animer des sessions avec le trading FI pour sélectionner de potentielles nouvelles stratégies d’automates (hedging avec le desk swap, quoting avec le desk Bonds, ou autre optimisation d’exécution). 🔸 Effectuer un travail préliminaire sur les différentes stratégies (récupération... des market data nécessaires, début de prototype de stratégie via Python ou C#, éventuel backtesting) pour vérifier la faisabilité et valider la performance de la stratégie. 🔸 Définir le plan d’action et les moyens associés à l’implémentation de la stratégie sélectionnée, et le documenter. Qualifications 🎓 Issus d’une formation en ingénierie ou en informatique, vous avez une expérience significative sur un poste similaire. ⚙️ Les compétences attendues sont les suivantes : ✔️Vous possédez de solides compétences en C# et Python. ✔️Vous savez résoudre des problèmes quantitatifs avec une aptitude aux mathématiques/ mathématiques appliquées. ✔️Idéalement, vous possédez une connaissance Une connaissance des marchés financiers et des produits Taux et/ou Crédit. ☑️ Tous nos postes sont ouverts aux personnes possédant le statut RQTH. Informations complémentaires Poste situé à Charenton-Le-Pont 🚀 Salaire : 70-75 K€ Brut/an Freelance : 500-570€/J Référence : 230202_Data_Scientist_IDF Pourquoi rejoindre Citech ? 🤔 - Une ambiance de travail conviviale avec des afterworks organisés régulièrement ! 🤗 - Des missions de longues durées - Des formations adaptées à vos envies et vos aspirations - Une mobilité que si vous le souhaitez 🚗 - Un accompagnement personnalisé avec un suivi régulier (autour d’un café ou un thé, c’est vous qui choisissez 😉) - Une mutuelle avantageuse pour vous mais aussi pour les membres de votre famille 😃 - Une flexibilité sur la gestion de vos repas 🍱 - Un statut Cadre et une convention collective SYNTEC Alors qu’attendez-vous pour nous rejoindre ? 🌟 Company Description CITECH ce n’est pas une Entreprise de Services du Numérique comme les autres : c’est avant tout une aventure humaine. Nous cherchons des personnalités passionnées qui nous ressemblent ! Dans un environnement convivial et chaleureux, venez révéler vos talents ! Nos fidèles clients, reconnus à l’échelle internationale, offrent à nos collaborateurs de multiples possibilités de carrière. Nos domaines d’interventions sont variés : banque, assurance, automobile, santé, transport ou encore la robotique, vous trouverez forcément un secteur épanouissant, à votre image ! Vous avez un projet professionnel ? Nous sommes là pour vous aider à le développer. Pour nous, l’essentiel c’est vous. C’est pourquoi nous assurons un suivi régulier et portons une attention toute particulière à votre plan de carrière

{'salaire': [{'montant_min': 70000.0, 'montant_max': 75000.0, 'devise': '€', 'frequence_versement': 'an'}, {'montant_min': 500.0, 'montant_max': 570.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Nous recrutons pour l’un de nos clients, un Data Analyst en CDI pour un client dans le secteur du e-commerce. Description de l’entreprise Notre client est l'un des premiers franchisers de cuisines européens présent en France et à l'international en BtoB to C. Description du poste et des missions Rattaché au Responsable Performance, vous aurez pour objectif principal le recueil, l’analyse et l’interprétation de la donnée de l’entreprise, récupérée via différents canaux, pour toutes les enseignes du Groupe. Ces données peuvent être liées aux clients (CRM), aux produits et à leurs performances, ou même aux concurrents. En collaboration étroite avec les autres pôles de la Direction Digitale, les équipes Commerce, les équipes Marketing, et les équipes IT, ainsi que les autres Directions support du Groupe, vous exploiterez et interpréterez les données pour en dégager des observations business utiles. Ainsi, les rapports fournis permettront d'orienter les prises de décision du... Management, et d’améliorer les performances et les stratégies Marketing. Les missions seront les suivantes : • Echanger avec les différentes équipes internes concernées pour comprendre leurs besoins et leurs enjeux • Définir les indicateurs clés de performance (KPI) avec les parties prenantes pour mesurer la tenue des objectifs • Mettre en place ou optimiser les outils de suivi et de prévision avec la DSI • Analyser les bases de données • Synthétiser les résultats de ces analyses pour les communiquer aux bons interlocuteurs • Proposer des plans d’action (mise en place d’outils, définition des processus…) • Identifier les problèmes et proposer des solutions appropriées • Assurer la qualité et la fiabilité des données • Etablir une cartographie des données utilisées au sein des analyses pour une meilleure compréhension des interlocuteurs ️ Environnement technique / Outils utilisés • L'environnement technique : (SAS, SPSS, VBA, ACCES), des langages (R) de bases de données SQL, et des outils de reporting (type Power BI), Microsoft Dynamics • Outils Web Analytics : AT internet/Piano, Content Square, AB Tasty • ️ Profil recherché • Expérience : 5 ans minimum en Data analyse, idéalement dans le secteur du retail • Formation : Bac+5, cursus en mathématiques, statistiques, économie, marketing ou en informatique • La maitrise de l’anglais courant est nécessaire Informations complémentaires • Type de contrat : CDI • Statut : Cadre • Localisation du poste : Roissy et Paris 9ème • Rémunération : 55000 à 70000 • Télétravail : 3 jours de présentiel (au moins deux jours à Roissy et possibilité 1 jour à Paris dans le 9ème) , 2 jours de télétravail • Démarrage souhaité : ASAP - Sous 3 Mois Cette opportunité vous correspond ? Adressez-nous votre candidature et un consultant vous contactera dans les plus brefs délais ! ️ ️ ️

{'salaire': [{'montant_min': 55000.0, 'montant_max': 70000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Société d’ingénierie spécialisée dans le soutien aux services stratégiques des états, Babcock France assure l’exploitation d’aéronefs, la mise à disposition et la maintenance d’équipements, l’entraînement de personnels et l’exécution de missions critiques.** Babcock France opère une flotte de 30 hélicoptères héliSMUR (EC135, EC145, A109 et B429) répartis sur 23 bases SAMU effectuant plus de 16 000 missions annuelles, en assure la maintenance et garantit le maintien en conditions opérationnelles (MCO) des hélicoptères de la Gendarmerie nationale et de la Douane française. Conjointement à Dassault Aviation, Babcock France déploie le Programme de formation modernisée des équipages de chasse de l’Armée de l’air et de l’espace (ex-FOMEDEC) sous l’appellation F-AIR 21. Celui-ci comprend la mise à disposition et le soutien d’un système complet associant 17 appareils PC-21, une plateforme de simulation et des infrastructures modernisées. Dans le cadre du programme H160 développé en... partenariat avec Airbus Helicopters et Safran Helicopter Engines pour la Marine française, Babcock France assurera la fourniture, la modification et le soutien des premiers hélicoptères H160 en opération sur le territoire national. Babcock International France Terre a la charge de la disponibilité de matériels militaire d’environnement aéronautique (Tracteur de piste, groupes électrogènes ) sur l’ensemble du territoire et outre-mer. BIFT diversifie son activité dans le secteur. Dans ce contexte, Babcock France recrute pour la société Babcock International France Terre **un(e) analyste.** Intégré(e) au sein de l’équipe Projet basée à BORDEAUX MERIGNAC, sous le Responsable COI, l‘analyste aura pour mission principale d’être garant du recueil, de l’organisation et l’exploitation des différentes données du système informatique de la société pour la gestion des projets. • *Dans ce cadre, vos missions seront les suivantes**: - Analyser les parcs de matériels confiés à la société, leur maintenance, leur utilisation et proposer des recommandations et des plans d’action. - Recueillir les différentes données du système informatique pour les stocks matériels et en surveiller la performance par le biais d’indicateurs. - Mettre en ordre et forme les données pour les traduire statistiquement. - Analyser les données recueillies et les trier par pertinence. - Faire la gestion et le stockage des données avec les solutions du groupe Babcock pour conserver et utiliser régulièrement les données. - Synthétiser et vulgariser les données pour les rendre accessible à votre responsable et aux équipes concernées. - Améliorer constamment le système de récupération et traiter les données client pour optimiser/agrandir le stock de donnée de la société. - Traduire de manière simple et intuitif les besoins des clients par des Dashboard/tableaux de pilotage. - Définir des indicateurs clés pour répondre aux besoins des clients et du chef de projet. La liste des missions énoncées n’est pas limitative. • *Prérequis**: - Minimum 2 ans d’expérience dans le domaine des données et des technologies d’information. - Connaissances variées des systèmes d’exploitation, des ERP, des bases de données et des outils informatiques. - Conception d’indicateurs - Anglais technique. Prérequis qui seraient un atout: - Licence, Master ou diplôme d’ingénierie. - Expérience dans le secteur d’activité spécifique à notre société. - Militaire avec une expérience « gestion de parc » Vous êtes de nature autonome et rigoureux(se). Vous avez une capacité d’analyse et de synthèse. Type d'emploi : CDI Statut : Cadre Rémunération : à partir de 45 000,00€ par an Types de primes et de gratifications: - 13ème Mois Lieu du poste : En présentiel

{'salaire': [{'montant_min': 45000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste Vous intégrerez une équipe d’experts Data et Machine Learning spécialisée dans le cloud AWS. A ce titre, vous consacrerez une partie de votre temps à vous former ou à perfectionner sur les technologies et services AWS dans le but d’obtenir des certifications AWS dont la Spécialité en ML. Vous interviendrez sur les différentes composantes d’un projet de Data Science et ML sur AWS tel que: - Évaluer les besoins clients et proposer des solutions - Analyser les données brutes : évaluation de la qualité, nettoyage, structuration pour le traitement en aval - Concevoir des algorithmes de prédiction précis et évolutifs avec une analyse des solutions plug&play existantes - Implémenter des solutions personnalisées pour nos clients à base de service ML - Documenter et spécifier les éléments de services ou modèles développés - Maintenir une veille active sur les différentes évolutions et solutions de ML (services AWS et d’autres fournisseurs) Environnement Technologique ... AWS (S3, SageMaker, Glue, Lambda, DynamoDB,...) - Développement en Python - AWS (boto3, SAM,) - Data Engineering (PySpark, Pandas,) - Data Science (Scikit-Learn, XGBoost,) Profil recherché Vous êtes issu(e) d'une école d'ingénieur avec une spécialité mathématiques appliquées ou informatique avec de très bonnes connaissances en mathématiques et vous avez une expérience de minimum 5 ans en développement Python ou en prédictive modeling, machine-learning, clustering et classification, algorithms. Avantages du poste: - Certifications AWS financées par l’entreprise - Participation à des événements techniques (user group aws de Bordeaux) - Télétravail exclusif - LANGUES- SAVOIR-ÊTRE- Esprit d'équipe- Force de proposition- SAVOIR-FAIREClassification Clustering • *Voir plus** Entreprise SNEF Lab réunit les métiers de la sphère digitale qui comprend l informatique industrielle, les objets connectés, la cybersécurité, l audiovisuel, la maintenance prédictive et les technologies CLOUD. SNEF Lab vient enrichir la démarche globale du Groupe SNEF et révolutionne son métier pour répondre aux enjeux de demain. Rattachée à la BU SNEF LAB, Mangrove est une startup spécialisée dans la mise en place et le maintien opérationnel d environnements de production pour le Machine Learning sur AWS. Dans le cadre du développement de nos activités, nous recrutons un Datascientist Cloud confirmé H/F. Autres offres de l'entreprise • *Personne en charge du recrutement** Juliette PETIT - _Chargée de recrutement_ Salaire 47 - 52 k€ brut annuel Prise de poste Dès que possible Expérience Minimum 5 ans Métier Data scientist Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste TIERCE MAINTENANCE DE SYSTÈMES ET D'APPLICATIONS INFORMATIQUES Télétravail Total possible

{'salaire': [{'montant_min': 47000.0, 'montant_max': 52000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

CITECH recrute ✨ Si vous souhaitez apporter vos compétences dans la réalisation d'un projet important, nous avons LA mission pour vous Nous recherchons en effet un(e) Data Analyst (H/F) Votre mission est pour un client reconnu dans le secteur bancaire, implanté dans de nombreuses villes en France, il a pour objectif d'accélérer sa transformation digitale afin d'offrir toujours plus de solutions et de services innovants. Description du poste Vous aurez donc les missions principales suivantes : Coordonner les différents interlocuteurs participant au POC (IT, métier) Participer à la recette en analysant le comportement de l'outil par rapport à l'attendu Epauler le métier dans le déroulement du POC, notamment en lui mettant à disposition les données nécessaires aux vérifications du bon comportement de l'outil et en l'aidant à paramétrer les contrôles de qualité dans l'outil Collecter les informations sur le POC et les éventuels problèmes rencontrés Synthétiser les résultats du POC... en vue de la prise de décision GO/NoGO Qualifications Issus d'une formation en ingénierie ou en informatique, vous avez une expérience significative sur un poste similaire ⚙️ Les compétences attendues sont les suivantes : ✔️ Vous maitrisez les outils suivants : SQL / Big Data / Power BI / Tableau ✔️ Un bon niveau d'anglais est requis pour ce poste ✔️ Vous avez une bonne connaissance générale des logiques décisionnelles ☑️ Tous nos postes sont ouverts aux personnes possédant le statut RQTH Informations supplémentaires Pourquoi rejoindre Citech ? Une ambiance de travail conviviale avec des afterworks organisés régulièrement Des missions de longues durées. Des formations adaptées à vos envies et vos aspirations. Une mobilité que si vous le souhaitez Un accompagnement personnalisé avec un suivi régulier (autour d'un café ou un thé, c'est vous qui choisissez ) Une mutuelle avantageuse pour vous mais aussi pour les membres de votre famille Une flexibilité sur la gestion de vos repas Un statut Cadre et une convention collective SYNTEC. Prime d'intéressement. Alors qu'attendez-vous pour nous rejoindre ? Poste situé à Paris Salaire : 50-63 K€ Brut/an Freelance : 350-450€/J Référence : 230228_Data Analyst_75

{'salaire': [{'montant_min': 50000.0, 'montant_max': 63000.0, 'devise': '€', 'frequence_versement': 'an'}, {'montant_min': 350.0, 'montant_max': 450.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Nous (re)connaitre ? Depuis 45 ans, Endrix, c'est une équipe de plus de 600 collaborateurs investis aux côtés des dirigeants et directions financières. Présents sur une vingtaine d'implantations en France, nous accompagnons au quotidien, plus de 10 000 clients, TPE-PME-ETI et Grand Groupe, en nous appuyant sur notre cœur de métier d'expertise financière, juridique, comptable et sociale. Face aux nouveaux enjeux, notre offre n'a cessé de s'étoffer avec des départements de conseils spécialisés, permettant ainsi un accompagnement de nos clients à 360°. (Gestion patrimoniale, IT Data, Consulting, Financement, RSE, Protection sociale, International, Chasse de Tête, ESS, Immobilier ...) En fort développement depuis ces dernières années, Endrix a récemment levé 5 millions d'euros auprès de la BPI afin de pérenniser et accélérer sa croissance Endrix, c'est aussi un collectif engagé dans une démarche RSE ambitieuse. Nous avons à cœur d'être un acteur responsable et engagé pour protéger... notre environnement, préserver le capital humain, et favoriser l'insertion professionnelle. Contexte de l'embauche : Notre secteur d'activité connait une phase transformation importante où la gestion de la donnée devra prendre un rôle central Dans ce cadre, nous créons ce poste de Data Ingénieur H/F pour jouer un rôle clé dans ce projet ambitieux. Notre groupe, est en capcité d'adresser à nos clients plus d'une douzaine d'offres de services, grâce à ses équipes, au sein de Business Units (BU) distinctes. Nous intervenons donc sur une large une variété d'outils métiers . L'objectif de ce poste est de permettre une communication fluide entre ces outils pour assurer des workflows efficaces au bénéfice de nos clients. À court terme, vous aurez l'opportunité de travailler sur des projets de Big Data, notamment la création de datalakes, en collaboration avec d'autres professionnels/éditeurs et consultants. Vous serez responsable de la conception, du développement, de la maintenance et de l'optimisation des systèmes de gestion de données, jouant ainsi un rôle essentiel pour assurer que les données soient disponibles, fiables et analysables. Missions principales : • Recueillir et analyser les besoins métiers pour développer des solutions techniques efficaces de collecte et de stockage de données. • Mener des tests unitaires et d'intégration, et mettre en place des automatisations de traitements. • Collaborer étroitement avec les équipes de data analyse, BI et diverses unités opérationnelles pour faciliter l'accès et l'analyse des données. • Gérer la conformité et la sécurité des données, en mettant en œuvre des mesures de protection rigoureuses. Quel sera votre environnement de travail ? • Une équipe structurée et à taille humaine (entre 5 et 10 collaborateurs) pour privilégier la solidarité, l'entraide • Sur plusieurs sites : des séances de sports entre 12H-14H avec coach privé, douches accessibles dans les locaux, salles détentes. • Sur Lyon, proximité immédiate des Métros B/D accessible en Gare TER/TGV Gare Part Dieu/Jean Mace • Des moments de convivialité /Team building tout au long de l'année (repas d'équipes, évènements internes, afterwork...) Notre engagement si vous nous rejoignez : De multiples avantages sociaux : • Participation aux résultats, • Primes diverses ( l'apport de nouveaux dossiers, prime de cooptation, exceptionnelles...) • Compte épargne temps (5 jours de CP et 3 jours de RTT/par an) • Un remboursement à 70% d'un abonnement de transport en commun ou de 50 euros net par mois si vous utilisez un moyen de transport doux (vélo, trottinette, covoiturage...) • Carte restaurant . • CSE (Avantages, Réductions, Chèques, Cadeaux) • 10 jours de RTT, • 2 jours de télétravail/ semaine possibles Un parcours de formation et des évolutions de carrières à la clé : • Des nombreuses formations en interne sur des sujets variés (En moyenne 3 jours de formation par collaborateurs chaque année) • Un parcours personnalisé et continu • Perspectives de mobilité interne et d'évolution dans l'entreprise (plus de 90 évolutions sur l'année 2023) Compétences requises : Architecture de base de données. - Maitriser les outils de modélisation. - Maîtrise des langages de programmation tels que Python, Java, Scala , NodeJS. - Maîtrise des systèmes d'exploitation (Linux, Windows...) - Maitrise des solutions de manipulation des données ETL/LET - Expérience avec des outils de gestion de bases de données (SQL, NoSQL). - Connaissance des technologies de Big Data (Hadoop, Spark, Kafka, etc) Une première expérience dans le secteur de la finance/comptabilité serait un plus. Vous savez faire preuve d'autonomie, de rigueur et d'esprit d'analyse. Vous savez adapter votre niveau de discours à vos différents interlocuteurs (direction, services supports, métiers techniques et non techniques) Si vous avez l'esprit entrepreneurial et êtes prêt(e) à relever des défis significatifs, rejoignez-nous pour marquer de votre empreinte le développement de notre entreprise Rémunération : En fonction de profil, sur une fourchette entre 50K et 55K euros bruts annuels

{'salaire': [{'montant_min': 50000.0, 'montant_max': 55000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Qui sommes-nous ? FOXSTREAM est une société d'édition logicielle, fondée en 2004, spécialisée dans l'analyse et le traitement automatique en temps réel du contenu d'images vidéo (Video Content Analysis). Experte dans le secteur de la sécurité et de la protection périmétrique, FOXSTREAM s'impose dans le monde de la gestion vidéo dans des secteurs variés (marchés bancaires, sites sensibles, industrie, etc.) Son ADN ? L'Innovation et la Recherche. Foxstream conçoit des logiciels intelligents d'analyse vidéo intégrant des solutions de deep learning, destinés à assurer la protection périmétrique des sites de toutes tailles. Ils combinent une analyse vidéo de détection d'intrusion pointue et efficace, à une levée de doute vidéo immédiate, automatique et en temps réel. Foxstream est présent essentiellement sur le marché de la sécurité, mais aussi sur le marché de la gestion de flux (comptage, files d'attente, etc.) pour des aéroports, commerces, banques, etc. La société a intégré en 2022... le groupe VITAPROTECH, constructeur spécialisé dans l'intrusion, le contrôle d'accès centralisé et la vidéo intelligente des sites d'importance vitale, qui réunit 440 collaborateurs, essentiellement ingénieurs, techniciens et experts en sécurité et réalise un CA de près de 80 M€. Le groupe VITAPROTECH constitue une alliance européenne significative, capable d'adresser des marchés internationaux toujours plus demandeurs en systèmes intégrés. VITAPROTECH reconnait et récompense la motivation, le savoir-être et la performance face à des projets challengeant en promouvant mobilité et formation. En adhérant au Global Compact, le groupe VITAPROTECH s'est aussi engagé, depuis 2020, dans une démarche de Responsabilité Sociale et Environnementale, de manière durable afin d'améliorer la qualité de vie de ses collaborateurs et de les rendre acteurs de ce changement. Contexte et missions : La société Foxstream souhaite renforcer son équipe R&D composée actuellement de 4 docteurs, 2 ingénieurs et 1 doctorant par le recrutement d'un docteur en intelligence artificielle et traitement d'image afin de maintenir son avancée technologique et scientifique. Rattaché(e) au Directeur Recherche, vous intégrerez l'équipe en tant que Docteur R&D spécialisé(e) sur les problématiques de Deep Learning appliqué au traitement d'image et vidéo. Vos missions et responsabilités : Concevoir et développer des algorithmes d'apprentissage profond pour la reconnaissance d'images et de vidéos. Concevoir et développer des modèles de réseaux de neurones pour la classification, la segmentation et la détection d'objets. Déployer des solutions de récupération, de gestion et de stockage des données. Concevoir et développer des techniques de prétraitement d'images pour améliorer la qualité des données d'entrée. Concevoir et développer des techniques de visualisation pour comprendre et interpréter les modèles de réseaux de neurones profonds. Collaborer avec d'autres membres de l'équipe de recherche et développement pour intégrer les algorithmes d'apprentissage profond dans les différents produits. Profil recherché : Doctorat en informatique, en mathématiques appliquées ou dans un domaine connexe. Solide expérience en apprentissage profond et en vision par ordinateur. Expérience de programmation en Python et en utilisant des frameworks d'apprentissage profond tels que TensorFlow, Keras, PyTorch, etc. Expérience en récupération, gestion et stockage des bases de données. Expérience de programmation en C++ est un plus. Connaissance des techniques de prétraitement d'images et de visualisation de données. Capacité à travailler en équipe et à communiquer efficacement avec les membres de l'équipe. Si vous êtes passionné par la recherche et le développement dans les domaines de l'apprentissage profond et la vision par ordinateur, et que vous souhaitez rejoindre une entreprise innovante, rejoignez-nous Avantages : · Titre restaurant et mutuelle d'entreprise pris en charge à 60% · Accord de participation · Prime de naissance, prime de cooptation · Epargne salariale · Chèques cadeaux Noël · Prime vacances · Flexibilité horaire de travail, Télétravail 1j/semaine · Jours de fractionnement/jours d'ancienneté supplémentaire/Jours enfant malade · Politique diversité (senior, handicap, jeune, égalité homme femme) · Forfait mobilité durable · Café et fruits gratuits mis à disposition

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Resumé : Annonceur recrute un Marketing Data Analyst - Power BI (H/F) en CDI à Île-de-France (75000). Le profil idéal ? Formation et expérience de 2 - 5 ans. Salaire : Selon profil Description de l'offre : Talents Commerciaux, cabinet de recrutement dédié aux professions commerciales, vous accompagne dans la réalisation de vos projets professionnels en vous proposant des offres ciblées correspondant à votre profil et vos attentes. Nos consultants sont animés par le souhait d'une collaboration satisfaisante sur le long terme, gage d'un recrutement réussi. Notre cabinet recherche pour l'un de nos clients, groupe spécialisé dans la distribution professionnelle non alimentaire, MARKETING DATA ANALYST (H/F). POSTE BASÉ À PARIS. En tant que MARKETING DATA ANALYST (H/F), vous êtes garant de l'analyse des performances digitales et des leads. Vous travaillerez en transversalité avec les équipes Marketing et la force de vente. VOUS AVEZ LES RESPONSABILITÉS SUIVANTES : • Recueil et... extraction des sources de données pertinentes et dequalité qu'il traduit ensuite en données statistiques ; • Traitement, exploitation et intégration des données dans une base de données statistiques ; • Définir et assurer un suivi des KPIs et reporting des performances pour donner une vision cohérente des résultats aux différentes équipes ; • Travailler en transversalité avec différentes équipes (Digital, marketing et force de vente) ; • Réaliser des analyses ad-hoc (segmentation de la clientèle, produit, mix media, pricing...) permettant une meilleure compréhension des performances ; • Mise en place de process/requêtes et automatisation ; • Veille technologique des nouveaux outils visant à l'améliorer l'analyse des données POSTE BASÉ À PARIS. Profil recherché : - De formation supérieure (Bac+3 minimum), vous justifiez D'AU MINIMUM 3 ANNÉES D'EXPÉRIENCE SUR LA GESTION DE BASE DE DONNÉES. - VOUS ÊTES RECONNU(E) POUR VOTRE CAPACITÉ D'ANALYSE, VOTRE RIGUEUR ET VOTRE AUTONOMIE. - Vous maîtrisez les fonctionnalités bureautiques (Excel), vous maîtrisez un ou des outil(s) de solution d'analyse de données, de préférence Power BI. - Vous avez une bonne maîtrise de l'anglais (écrit et oral) Rémunération fixe + variable. Pour postuler : Cliquez sur le bouton ci-dessous 'Postuler', vous serez redirigé vers l'offre originale Marketing Data Analyst - Power BI (H/F) de notre partenaire pour finaliser votre candidature

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Craft AI recherche … À propos Craft AI est une startup qui développe une plateforme logicielle de Machine Learning. Pionnière du MLOPS (l'automatisation du cycle de vie du machine learning), Craft AI résout des problèmes de déploiement et de pilotage à grande échelle, permettant une meilleure maîtrise de l'IA. Craft AI fournit un produit SaaS multi-cloud à destination de Data Scientists, qui facilite et automatise l'exécution, la supervision et le passage à l'échelle des applications de machine learning. Avec une forte culture tech autour du développement logiciel et du machine learning, organisée autour d'une méthodologie agile, notre équipe crée des outils novateurs dans un domaine en pleine expansion. Descriptif du poste Ce que vous allez faire Craft AI met en oeuvre des algorithmes de Machine Learning au sein d'une plateforme. Cette plateforme présente une API REST ainsi qu'une application web, et doit répondre à une charge de calculs importante. Pour renforcer son équipe... de développement et R&D en intelligence artificielle, Craft AI recherche un ou une DEVOPS de talent ! Directement au coeur du développement de notre plateforme cloud de Machine Learning vous interviendrez au sein de l'équipe tech. En particulier, votre rôle consistera à concevoir, faire évoluer et optimiser plusieurs aspects du produit : - Pipeline de traitement et de stockage des données sur des clusters Kubernetes (PostgreSQL), - Infrastructure (Terraform / Ansible / Docker / Kubernetes / Azure / AWS). - Déploiement d'algorithmes de traitement des données et de machine learning (Node.js / Python), Par ailleurs, vous interviendrez ponctuellement en support à l'équipe Customer Success auprès des clients de Craft AI. Notre Stack Techno - La plateforme cloud de Craft AI suit une architecture µservice basée sur Docker/Kubernetes. - Au coeur de la stratégie de distribution des calculs se trouve un système de jobs basé sur Argo. - Les infrastructures sont déployées sur AWS et Azure via Terraform et Ansible. - Les bases de données utilisées sont de type PostgreSQL. - Les langages de programmation utilisés sont JavaScript (Front et Node.JS), ainsi que Python pour l'expérimentation "data". Ce que vous allez apprendre - Comprendre les enjeux d'infrastructure et de scalabilité du Machine Learning, - Comprendre les problématiques d'explicabilité liées à l'intelligence artificielle, - Devenir un acteur du développement d'une startup tech ambitieuse en pleine croissance ! Lifestyle Télétravail partiel (2 jours par semaine). Horaires aménagés possibles (pour les parents par exemple). Bureau en open-space. Vous êtes … Profil recherché Ce dont nous avons besoin - Expérience des mises en production et du MCO - Connaitre un outil de CD/CI est un plus (Jenkins) - Expérience du développement et des opérations d'une infrastructure cloud distribuée. - Très bonnes connaissances Réseaux (IP, HTTP, DNS, VPN...). - Expérience des technos de containérisation (Docker, Kubernetes, Argo...) idéalement sur AWS et Azure, ou tout autre cloud est un plus. - Une expérience dans l'utilisation de système de job/queue est un plus. - Culture technique, notamment autour du Machine Learning et de l'Intelligence Artificielle, - Capacité à travailler en itérations courtes et à prendre en compte les retours, - Anglais lu, écrit et parlé. Process de recrutement Après avoir étudié votre CV, nous vous proposerons : Entretien avec le CTO, Entretien technique, sous la forme d'une séance de pair-programming avec un membre de l'équipe DEVOPS, Rencontre avec plusieurs membres des équipes Dev/R&D/Produit/DataScience. (Les rendez-vous sont en visio par défaut, même si nous aimons bien vous rencontrer dans nos locaux) Idéalement le process tient en 2 semaines. Informations complémentaires Type de contrat : CDI Lieu : Paris Niveau d'études : Bac +5 / Master Expérience : > 2 ans Télétravail partiel possible - Salaire : entre 40000€ et 50000€ / an En résumé ... • Paris 1er - 75 • CDI - Télétravail partiel • Secteur informatique • ESN • Bac +5 Publiée le 29/04/2023. Réf : 47bd577ac4eea34d8497ccaa1c87fe3a

{'salaire': [{'montant_min': 40000.0, 'montant_max': 50000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Créée en 2003 à Paris, **ACENSI **s’est développée sur la **région Centre** depuis 2015 autour de ses 3 agences **:Orléans, Tours, et Niort**. Aujourd’hui, ce sont plus de **100 consultants** en région qui accompagnent nos clients en **Assurance et protection sociale,** sur leurs projets d’évolution de SI. Chez **ACENSI**, vous bénéficiez d'un **suivi personnalisé **avec votre manager. Des points individuels tout au long de l'année, ainsi qu’une véritable **politique de Formation** vous permettront de monter en compétence et d'atteindre vos objectifs de carrière • *ACENSI** c'est aussi le **fun et la convivialité**, avec l'organisation d'événements (rencontre sportive, afterwork, meetup...) une fois par mois C'est dans ce cadre que nous recherchons pour l'un de nos clients à **Orléans**, un profil **Data Engineer, **maîtrisant **SSIS.** Contexte: Renfort de l'équipe Data au sein du Service Modélisation des Données, dans le cadre de l'activité projet et MCO autour des outils de... restitution et d’analyse de données. Missions**: - Création et évolution de rapports** • *- Planification de rapports** • *- Développement SSIS** Connaissances organisationnelles: - Suivi de projet en tant que contributeur MOE • *Connaissances techniques**: • *Microsoft, SSIS** - Option : connaissance d’un autre ETL • *Savoir-être**: - Bonne capacité d’analyse : capacité à comprendre un besoin, à faire exprimer un besoin et à identifier les impacts afin de déterminer la meilleure solution à mettre en place - Bonne capacité rédactionnelle - Autonomie, pertinence dans le reporting, force de proposition Vous hésitez encore ? • *ACENSI**, c’est aussi de nombreux avantages: - Un statut **Cadre en CDI** - Une **prime de participation** autour de **2000 €** - Participation aux **frais de transports** - Des **tickets restaurant de 8€** par jour travaillé - Prime de **cooptation de 2000 €** Alors n’attendez plus, **rejoignez-nous ** Type d'emploi : Temps plein, CDI Statut : Cadre Salaire : 33 000,00€ à 37 000,00€ par an Avantages: - Épargne salariale - Participation au transport - RTT - Titre-restaurant Programmation: - Du lundi au vendredi - Travail en journée Types de primes et de gratifications: - Prime annuelle Lieu du poste : Un seul lieu de travail Date de début prévue : 24/04/2023

{'salaire': [{'montant_min': 33000.0, 'montant_max': 37000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

La Société Noveo : Le Groupe Noveo, acteur majeur dans le développement de solutions innovantes, accompagne ses Clients Grands Comptes, PME et Startups dans la transformation et la mise en œuvre de leurs systèmes d'information et solutions digitales. Groupe international, s'appuyant sur une équipe de plus de 1100 ingénieurs, et fort de plus de 20 ans d'expérience dans le développement de systèmes complexes, le Groupe Noveo se positionne au cœur de la convergence des SI et des solutions numériques et digitales. Contexte : Intégrer une équipe de 10 collaborateurs en multi sites en charge de la production des indicateurs de qualité de service et des restitutions associées. Vos missions : • Analyser les indicateurs de qualité de services pour proposer des restitutions adéquates • Analyser et restituer à froid les incidents de la période écoulée • Identifier les périmètres les plus incidentogènes et proposer des analyses Qualité abouties : causes des incidents/fréquence/impact/plans... d’amélioration • Communiquer avec les interlocuteurs clés en production pour mettre en correspondance les KPI et les incidents de production (équipes de production, sécurité, infrastructures et plateforme collaborateurs) • Produire les supports Power Point utilisés dans les comités Qualité de services et adapter les analyses à l’auditoire ciblé (Direction Générale, Membres du Directoire du Groupe, Dirigeants Bancaires, etc.) • Proposer des graphiques Excel adaptés pour restituer les analyses • Animer/Participer aux comités qualité en lien avec les acteurs production, les autres entités du groupe et les clients Profil recherché : De formation Ingénieur, nous recherchons Data Analyst confirmé H/F possédant une expérience de 2 à 3 ans sur un poste similaire. Compétences requises : Le poste demande les compétences suivantes : rigueur, organisation, diplomatie, analyse, esprit d'équipe, etc... Les savoir-faire portent principalement sur: • Une expérience de 3 ans sur un poste d’ingénieur Qualité • Connaissance des métiers de l’infogérance • Connaissance des métiers bancaires • Outils Power BI, Excel, Power Point, Service Now, etc... Connaître agilité ou forte appétence Expérience en gestion de projets Salaire 42-45K€ brut annuel + Titres restaurant de 11€ par jour travaillé pris en charge à 50% + Transports en commun pris en charge à 50% + Mutuelle Alan prise en charge à 50% + 10 jours de RTT (contrat de 39H). Envie de rejoindre Noveo ?! Rencontrons-nous ! A vous de jouer 😉 Type d'emploi : Temps plein, CDI Salaire : 42 000,00€ à 45 000,00€ par an

{'salaire': [{'montant_min': 42000.0, 'montant_max': 45000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Consultant Data Analytics Experimentee-The Information Lab << All Openings Consultant data analytics experimente(e) Paris, France What you'll be doing... Qui sommes-nous ? Veritables passionnes de data, nous avons construit The Information Lab autour des solutions Tableau, Alteryx et Snowflake. Nous sommes convaincus que ce sont les meilleures technologies pour accomplir la transformation digitale de nos clients. Notre specialisation nous permet d’etre les premiers partenaires de ces editeurs et d’etre les experts reconnus de ces solutions en France et en Europe. En nous rejoignant vous pourrez partager votre passion avec vos pairs, travailler dans une ambiance decontractee pour remplir notre mission : "Helping people make sense of data. Description du poste Rattache(e) au pole Expertise et Conseil, vous intervenez sur des missions pour des clients de toutes tailles (grands groupes, ETI, mais aussi start-up et PME), tous metiers. Vos missions ont pour objet le traitement... l’analyse, l’enrichissement des donnees de nos clients et l’adoption par nos clients des technologies que nous proposons. Au sein d’une equipe de 5 a 8 personnes, vous realisez vos missions en autonomie, ou avec un junior que vous encadrez, sous la supervision de votre pod leader (chef d’equipe). Votre role consiste a : • o + Intervenir en avant-vente et cadrer vos missions + Conseiller nos clients et prendre en charge tout ou partie du delivery, sur des missions de quelques jours a quelques mois + Mener des projets de bout en bout, en methode classique ou agile, en coordination avec les equipes de nos clients, nos equipes internes et les editeurs partenaires + Presenter les livrables de vos missions et mettre en avant leur ROI + Former nos clients a nos technologies + Mettre vos competences au service de vos collegues au-dela des missions dont vous avez la charge et participer au developpement des competences en partageant vos retours d’experience + Participer aux activites d’evangelisation, par exemple : redaction de posts de blogs, participation aux communautes des editeurs, interventions lors d’evenements (salons, conferences, webinaires) + Participer aux projets internes (BI interne, methodes & qualites) Les solutions que vous construisez reposent principalement sur les technologies de nos partenaires (Snowflake, Alteryx, Tableau), mais aussi selon le contexte client sur des technologies similaires Vos principales qualites : • o Excellentes facultes d’ecoute et de communication, orale et ecrite o Aptitude a travailler sur plusieurs sujets en parallele, a prioriser o Humilite et capacite a apprendre ainsi qu’a transmettre ses connaissances o Sens du service, un bon relationnel avec les clients et la rigueur necessaire au succes de leurs projets o Team player Competences methodologiques : • o Analyse du besoin et cadrage de mission o Construction d’indicateurs metiers a partir de donnees brutes o Idealement connaissance d’un ou plusieurs metiers et de leurs indicateurs cles o Preparation de donnees a des fins d’analyse o Methodes de gestion de projet (classique et agile) o Capacite prouvee a realiser des demonstrations d’outils Competences techniques : • o + Connaissance d’au moins Alteryx Designer ou Tableau (idealement vous avez deja une experience solide sur ces outils) + Maitrise d’autres outils d’analyse de donnees + Forte appetence pour la data visualisation Who you are... Experience professionnelle : vous beneficiez d’au moins 5 ans d’experience professionnelle, dont 3 ans sur un poste similaire ou dans un poste qui vous aura permis d’utiliser les technologies similaires aux notres. Idealement, vous avez deja une experience dans un cabinet de conseil ou une ESN. Langues : Francais, Anglais professionnel Quoi d’autre ? Situation geographique : Ile-de-France. Deplacements en France a prevoir. Remuneration : 50 a 65 k€, selon experience. Candidature : Ecrivez-nous a jobs@theinformationlab.fr avec votre CV, et dites-nous pourquoi vous souhaitez nous rejoindre. Nos entretiens sont realises par vos futurs homologues, vous permettant de leur poser toutes vos questions sur leur metier de consultant et la vie @ TIL ! Voici la fiche de poste detaillee ! Apply Now

{"salaire": [{"montant_min": 50000.0, "montant_max": 65000.0, "devise": "\u20ac", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

À propos de la Team Data 📊 L’équipe Data chez Ornikar existe depuis plus de 3 ans et est composée d'une vingtaine de personnes (Data Analysts, Data Engineers, Machine Learning Engineers, Data Analystes). Nous avons principalement 3 missions : • L’aide à la décision : on accompagne les équipes à tous les niveaux de management, que ce soit pour des objectifs stratégiques, de développement produit, de métier… Nous menons des analyses complexes pour permettre aux équipes de prendre les décisions basées sur des chiffres qui nous permettront d’atteindre nos objectifs ou d’identifier de nouveaux leviers de croissance. • L’efficacité opérationnelle : Les équipes chez Ornikar sont très sensibles aux enjeux data, ce qui nous a permis de mettre en place d’une part le self-service BI pour leur permettre d’effectuer leurs recherches quantitatives en parfaite autonomie, et d’autre part nous répondons à des problématiques d’automatisation de flux de données pour enrichir leurs outils et accélérer... leur quotidien. • Des features data et algorithmes que nous développons pour apporter encore plus de valeur différentiante à nos produits. Nous recherchons un·e Analytics Engineer 🌋 Ornikar se développe, Ornikar se renforce, Ornikar se prépare au décollage! La team data se rapproche de la team ingénierie tant sur le côté technique que sur les pratiques (organisation du travail, méthodologie agile etc) et pour se faire nous dédions la création / maintient / évolution / la qualité / stabilité et le choix technologique à l’ensemble des Datas Engineers / Analytics Engineer sous l’oeil bienveillant du VP Engineering. Au programme du quotidien (liste non exhaustive) : • Du pair / des PRs / du challenge • Des échanges, de la montée en compétence, de la veille technologique • Du build, un peu de run, de la doc (parce qu’un miro vaut 1000 mots) • Des collègues bienveillants, challengeurs et avec autant d’envie d’apprendre et de progresser que toi Les missions du poste : En t’appuyant sur le data model assurance partagé par l’équipe data, ton rôle sera de : • Développer des datamarts utiles aux enjeux de la société, en collaboration directe avec les stakeholders • Documenter ces datamarts et définir les données en cohérence avec le data model global • En tant que Data Team Reviewer, approuver les changements du Data model dans le Data Warehouse. • Déployer des tests de qualité des données et les alertes à partir de la couche de stockage. • Appliquer les meilleures pratiques de DataOps ou de software engineering sur l’analyse de code (ex : contrôle des versions, tests unitaires, intégration continue)Rédiger du code qui réponde aux standards internationaux de sécurité et appliquer ces normes au code review. • Concevoir, documenter et superviser la mise en œuvre liée à l’évolution des schémas data (y compris l’observabilité des données) • Contribuer au travail de veille entre analytics engineers pour se maintenir à l’état de l’art. • Être en relation étroite avec les data Engineers pour le partage autour de la Stack Notre stack en quelques mots : Mixpanel, Appsflyer, Airflow/Airbyte, GCP dont BigQuery, dbt, Metabase, Dataiku Vous êtes notre candidat·e idéal.e si 🤩 • Tu n’as pas peur de discuter avec le métier, parler un peu business ou cas d’usage quelques fois • Tu as entre 3 et 5 ans d’expérience en tant qu’Analytics Engineer, Data Analyst, BI Engineer (ou data quelque chose, tu choisis) • Tu maitrises SQL dans le cadre de transformations data complexes, notamment avec DBT. • Tu as déjà utilisé Python en transformations data “complexes et optimisées” (Pandas, profiling). • Tu as déjà utilisé une solution d’orchestration moderne (Airflow, Prefect ...). • Tu as au moins une expérience sur un Data Warehouse (BigQuery, SnowFlake…) dans un environnement cloud public. • Tu as une XP ou un avis / des recommandations en dataviz et outils de dataviz Nous sommes votre entreprise idéale si vous recherchez… • Une start-up française devenue scale-up qui se structure, développe de nouveaux produits et s’exporte à l’international 🌎 • Une vision nouvelle et innovante qui dépoussière le secteur de l'assurance • Un leadership inspirant et expert du secteur • L'agilité d'une structure à taille humaine, et la place pour des initiatives innovantes et créatives • Un environnement de travail respectueux de tous et toutes. En tant que membre fondateur du pacte IDEA, nous nous engageons pour la diversité, l'équité & l’inclusion Ce qu’Ornikar a à vous offrir… 🎁 • Une rémunération fixe entre 50k€ et 60k€, en fonction de votre niveau d’impact et d’expertise observé pendant nos entretiens. Parmi nos avantages • 1 jour de RTT par mois en plus des 25 jours de congés légaux • Notre charte de télétravail hybride (3 jours par semaine en présentiel dans nos locaux WeWork pour les franciliens, 2 jours par mois si vous bénéficiez d’un contrat full-remote hors Île-de-France) • Une carte Swile qui vous permettra à la fois de bénéficier de 11€/jour de tickets restaurant pris en charge à 50% par Ornikar, et de 42€/mois de remboursement transport pris en charge à 100% par Ornikar • Un abonnement sport et bien-être Gymlib • Une assurance santé complémentaire avec Alan • Les frais de gestion pour votre épargne salariale avec Epsor • La possibilité de passer votre permis gratuitement • Des centaines de réductions et avantages via Leeto, partenaire de notre Comité Social Économique • L'accès à notre plateforme associative Vendredi pour vous engager en parallèle de votre activité chez nous Notre process de recrutement 🔥 • Un premier entretien avec Romane, notre Talent Acquisition Specialist • Un entretien d’une heure avec Joris, notre VP Engineer Assurance (et également votre futur manager) • Un test technique à réaliser chez vous et à restituer avec Bastien, un de nos Analytics Engineer • Une rencontre avec Cédric, notre CTO, et un membre d’une équipe métier

{'salaire': [{'montant_min': 50000.0, 'montant_max': 60000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Informatique DSI - Direction des systmes d'information Analyste programmeur BPCE SA DATA ANALYST RH (H/F) Notre entrepriseRejoignez une entreprise au cur des activits du groupe BPCE, de ses volutions et de son dveloppement.Organe central du Groupe, BPCE SA assure la coordination, la cohrence et les synergies entre les diffrentes marques pour porter les ambitions du Projet du Groupe BPCE 2024.Les missions confies nos collaborateurs offrent une vision transversale des enjeux conomiques et stratgiques du Groupe.Vos missions au sein de lquipeAu sein dun environnement de travail stimulant et challengeant, vous rejoindrez le Centre de Services Data & Analyses RH du groupe BPCE en tant que charg(e) de reporting social.Vous serez responsable de la production des indicateurs RH et de la documentation sociale de la Communaut BPCE et de BPCE SA.Analyses et production de donnesProduire la documentation destination des collaborateurs et/ou IRP (NAO, Accord Egalit H/F, Rapport de Situation Compare... Bilan Social, Bilan de rattrapage Salarial, lections IRP etc.)Rpondre aux demandes ponctuelles et besoins en analyses des dirigeants du groupe BPCE, de la DRH Groupe, Communaut BPCE et BPCE SA ainsi quaux besoins des filires mtier.Analyser les donnes RH et les indicateurs et les commenter de manire pertinente afin dexpliquer leur volution.Contribuer aux travaux de mise en qualit des donnes RH.Production de rapports Power BIProduire des reportings RH Power BI en fonction des besoins clients selon la frquence et les dlais dfinis :Cadrer et challenger le besoin en reporting auprs des clients (maquettes, rgles de gestion, mthode de calcul etc.)Collecter les donnes et prparer les requtes ncessaires lalimentation du tableau de bord depuis le SI dcisionnel RH (Outil Business Object)Sassurer de la qualit des donnes et indicateurs mis disposition (contrle de cohrence, recette ...)Maintenir les tableaux de bord et tre garant de leur alimentationIdentifier les axes damlioration et proposer des volutionsLe profil que nous recherchonsDiplm(e) dun Master spcialis en Ressources Humaines, Statistiques ou Data, vous avez une premire exprience en reporting social / reporting RH.Vous maitrisez la technologie SAP Business Object et avez dj produits des rapports Power BI.Vous savez utiliser Office 365, notamment pour exploiter des donnes sous Excel et raliser des prsentations PowerPoint et avez une vritable apptence pour la manipulation des chiffres et des donnes vous diffrenciez par :La connaissance de la gestion de projet, la capacit animer des rseaux dacteurs, coordonner les actions de diffrentes parties prenantes.Une bonne culture des ressources humaines pour comprendre rapidement les enjeux et tre pertinent dans vos capacit prendre la parole en public et animer des runions.Vous apprciez travailler en quipe avec des interlocuteurs varis et vous tes laise dans la aimez galement travailler en autonomie, tes organis et savez grer vos priorits.Enfin, vous tes dynamique et faites preuve de rigueur, dorganisation et dun sens aigu de la confidentialit dans votre travail.Vous souhaitez rejoindre une quipe motive et engage, nhsitez plus ! Nous vous attendons avec nous rejoindre ?Un Groupe engag dans le dveloppement de ses collaborateursDes opportunits professionnelles au sein de l'ensemble du groupe BPCE, avec la possibilit de bnficier daccompagnements sur-mesure (parcours dupskilling / reskilling, LinkedIn Learning ..)Un modle managrial favorisant la mise en responsabilit et la prise d'initiativesUn Groupe engag dans les enjeux socitaux et environnementauxLe Groupe BPCE place le climat comme priorit daction de tous ses mtiers et de toutes ses entreprises. Trois objectifs sont fixs : aligner tous ses portefeuilles sur une trajectoire "net zro"; accompagner ses clients dans leur transition environnementale, et rduire sa propre empreinte.En quelques chiffres la RSE dans le Groupe :1erfinanceur de lconomie sociale et solidaire avec 15.9 Md dencours35 Md dencours de financement de la transition nergtique6 millions demplois soutenus grce lactivit des rseaux BP et CEtre un employeur inclusif travers des politiques fortes en termes de mixit, dquilibre des temps de vie, de sant au travail Mais aussi 10 jours de tltravail par mois avec une subvention mensuelle de 22 eurosUne carte ticket-restaurant de 9,8 euros par jour de tltravail29 jours de congs pays et entre 16 et 19 jours de RTT (en fonction du calendrier des jours fris)64,2% de prise en charge des frais de transportUn dispositif dpargne salarial attractif avec systme dabondement de 2500 euros annuelUne mutuelle avantageuse avec la prise en charge de la cotisation hauteur de 56,3 %Vous aurez accs toutes les prestations de notre CSE : enveloppe loisirs, tarifs prfrentiels sur la billetterie, voyages organiss, etc. pour profiter de moments de pause entre amis ou en famille !NOTRE PROCESS DE RECRUTEMENTNotre annonce vous parle et vous donne envie ? Candidatez, et si votre profil matche notre quipe de recruteurs vous contactera :1 entretien pour comprendre votre parcours et vos motivations1 2 entretiens mtiersA minima un des entretiens aura lieu au sein de nos locaux, pour que vous puissiez dcouvrir votre futur environnement de travail.En tant quemployeur responsable et engag construire un environnement de travail inclusif, nous offrons les mmes opportunits aux talents de tous horizons, indpendamment de votre ge, origine, orientation sexuelle, handicap... Indpendant / Freelance France le de France Paris (75) 75000

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description du poste : Vous aimeriez relever un nouveau challenge dans un environnement très stimulant avec des interactions quotidiennes avec d'autres équipes de Digital & Information en lien avec les données telles que la gouvernance des données, la qualité des données, la Business Intelligence, l'IoT ou la cybersécurité ? Hager Group est fait pour vous ! Nous sommes à la recherche de notre futur.e Ingénieur des Données (Data Engineer) H/F, pour des projets en Intelligence Artificielle (IA), basé.e sur notre site d'Obernai (région de Strasbourg, France). Contexte L'équipe Data Science and Data Engineering fait partie du département Digital & Information et, avec plus de 5 ans d'existence, dispose d'un large portefeuille de projets portés en collaboration avec divers services internes. Nous développons et déployons en production nos modèles d’IA puis assurons leur surveillance et maintenance (MLOps). Depuis un an, de nouveaux projets autour des IA génératives (GenAI) se sont... ajoutés au portefeuille projets. Nous travaillons dans un environnement Microsoft Azure et offrons à nos employés l'opportunité de passer des certifications officielles. Votre mission • Intégration de données de sources diverses (Azure, ERP, PIM, O365…) notamment dans le cadre de nos projets en IA génératives. • Déploiement des ressources dans notre cloud Microsoft Azure, en collaboration avec notre Architecte Solution. • Mise en place des outils de surveillance et d’analyse des logs, pour notamment assurer le suivi des solutions mis en production. • Documentation des projets. Description du profil : Vos compétences • Issu(e) d’une formation en informatique (école d’ingénieur ou Master 2), vous avez pu, lors de précédentes expériences, déployer et monitorer des ressources dans un cloud (Azure, AWS…). • Passionné.e par les évolutions technologiques dans le domaine du cloud, vous avez, idéalement, passé des certifications. • Vous maitrisez les outils de programmation SQL et Python ou C#. • Vous avez une bonne connaissance des bases de données et du traitement de données (SQL, NoSQL, ETL, ELT, Spark). • Vous avez des connaissances de bases dans le domaine de la science des données / machine learning seraient un plus. • Vous faites preuve de proactivité et êtes force de proposition pour faire avancer les projets. • Notre société évoluant dans un contexte international, la maitrise de l'Anglais technique est indispensable, l’Allemand est un plus

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste LE RÔLE : En tant que Lead Data Engineer, positionné directement en dessous du CTO, vous jouerez un rôle de lead, accompagné par des stagiaires et des alternants. Vous aurez comme responsabilités principales: Construction et maintenance de l architecture data Développement de calculs haute performance robuste et scalable (Utilisation de Python) Collaboration proche avec le Lead Data Scientist pour industrialiser les projets de Machine Learning Réunir les parties développées et les outils utilisés en un seul système d'information Utilisation de la stack de la société : Python pour tout le développement, Kafka pour les algo real time, Docker et Kubernetes pour la conteneurisation, MongoDB et Pinot pour le stockage Profil recherché PROFIL RECHERCHÉ : Le profil devra réunir un maximum des points listés ci-dessous: Vous êtes diplômé d un diplôme d ingénieur ou d un équivalent Bac +5 Vous avez une expérience de plusieurs années en tant que Data Engineer et une volonté de... prendre en leadership Expertise sur Python et capacité à créer du code propre et scalable Vous maitrisez les best practices de développement Data / DevOps Doté d une excellente capacité de communication LANGUES- SAVOIR-ÊTRE- SAVOIR-FAIREAlgorithme Apache Kafka Voir plus Entreprise Senior Data Engineer Paris, Toulouse ou Rennes 55K-65K TECH STACK : Python, Pinot, Kafka, Docker, Kubernetes LA SOCIÉTÉ : C'est l occasion de rejoindre une société qui a créé un SaaS leader sur le marché dans l appui à la transformation digitale ! Grâce à l analyse poussée de comportements utilisateurs et de KPIs précis, le produit de la société anime les communautés pour réussir des objectifs données dans l onboarding de nouveaux outils/plateformes, et accélère la montée en compétences des collaborateurs. En mode startup, la société a levé +20 millions d euros pour accélérer le déploiement de sa solution à l international et continuer d améliorer ses features. La startup vient juste de lancer une nouvelle version de sa plateforme avec des technos open source très moderne, et cherche actuellement un Senior/Lead Data Engineer pour collaborer main dans la main avec le Lead Data Scientist dans le développement continu du SaaS. Autres offres de l'entreprise Personne en charge du recrutement Elie Ancrenaz - Recruteur Salaire 50 - 65 k€ brut annuel Prise de poste Dès que possible Expérience Minimum 3 ans Métier Data engineer Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste CONSEIL POUR LES AFFAIRES ET AUTRES CONSEILS DE GESTION Télétravail Partiel possible

{'salaire': [{'montant_min': 55000.0, 'montant_max': 65000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data Analyst - Asset Management, 10a exp. Rédaction spécification, Data Catalog, Gestion de projet Agile 12 mois TJM HT max 727 € Temps plein (5j/semaine) 2j télétravail / semaine Banque

{'salaire': [{'montant_min': None, 'montant_max': 727.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste Contexte et missions Le portfolio applicatifs de Wifirst (une centaine d’applications) produit de nombreuses données dans des formats très différents. Au sein de la Direction Technique, nous recherchons un.e Data Analyst pour nous aider dans le traitement et la visualisation des données pour les transformer en source d’informations pertinentes qui aideront à la prise de décision stratégique. Il/Elle travaillera en étroite collaboration avec le Lead Data et la Data scientist du pôle, ainsi qu’avec les équipes métier pour comprendre leurs besoins et fournir des analyses et rapports précis. Dans l’équipe Data, le.a Data Analyst assure les missions suivantes: • Collaborer étroitement avec les équipes techniques pour comprendre en profondeur les données techniques et les structures des bases de données afin d'exploiter intelligemment les données disponibles. • Préparer et enrichir les données en utilisant Tableau Prep, en s'assurant de leur qualité et de leur... pertinence pour les analyses. • Créer des tableaux de bord clairs, intuitifs et dynamiques en utilisant Tableau Desktop puis en présenter les résultats à nos équipes métiers, en transverse avec toutes les directions (RH, Finance, Commercial, Déploiement, Support,...) • Assurer le suivi des tableaux de bord et des flux afin de garantir leur bon fonctionnement et les faire évoluer. • Travailler avec des équipes de différents niveaux techniques, offrant des solutions adaptées allant de la mise à disposition de données nettoyées à des visualisations complètes. • Former et assister les utilisateurs de Tableau, en contribuant à une meilleure appropriation de l'outil et à l'amélioration de la culture data-driven de l'entreprise. Ce poste nécessite des compétences techniques spécifiques : • La base de vos missions se fera par le biais de la SUITE TABLEAU (Tableau Desktop, Tableau Server, Tableau Prep) : vous devez donc être autonome sur cet outil pour mener des missions d’envergure et en autonomie. • Une bonne maîtrise du SQL est indispensable • La connaissance de Python ou d'Elasticsearch sont un plus pour ce poste. Profil recherché Issu.e d’une formation supérieure avec une spécialisation en Systèmes d’informations et/ou Technologies nouvelles, vous bénéficiez d’une expérience réussie en gestion de la Data et vous portez un véritable intérêt aux nouvelles technologies. Vous êtes "dataphile", avec une appétence technique et surtout doté.e d’un fort esprit d'entreprise et plein d'enthousiasme ! Vous aurez à coeur de comprendre les besoins de nos équipes métiers afin d’être en mesure de les accompagner au mieux dans l’analyse de leurs KPIs. Vous êtes curieux.se, appréciez de travailler en équipe et disposez d’excellentes qualités relationnelles et d’organisation. Wifirst c'est rejoindre un collectif ambitieux et soucieux d'innover. L'autonomie et la maîtrise de la gestion de projet sont importantes car chaque collaborateur est référent sur son expertise ! Compétences attendues LANGUES Aucune langue attendue SAVOIR-ÊTRE Ambition Autonomie Voir plus SAVOIR-FAIRE Gestion de projet SQL Voir plus Entreprise Wifirst compte 300 collaborateurs et exerce aujourd'hui son activité d'opérateur WiFi professionnel dans 30 pays, pour un chiffre d'affaires de 100 m€ et auprès de 1500 comptes clients. Afin d'accompagner son développement international, Wifirst a ouvert des bureaux au Royaume-Uni et en Espagne en 2016, en Italie et en Allemagne en 2022. En 2024, nous signons l'acquisition de l'opérateur allemand Hotsplots et consolidons notre place de leader européen en Wifi managé. Le "Wifi as a Service" est un modèle vers lequel se tournent la plupart des DSI pour réussir la transformation numérique des entreprises. Wifirst est l'un des pionniers de la connectivité en mode "service managé" et s'occupe de tout pour ses clients : accompagnement projet, conseil en ingénierie, audit techniques sur site, mise à dispo & installation d'équipements pro haut-de-gamme, raccordement internet, supervision et maintenance, service client multicanal, portail de connexion, interface de suivi, etc.. En croissance depuis sa création en 2002, Wifirst intègre en 2023 la French Tech Next40 et figure dans la promotion des jeunes sociétés technologiques françaises les plus performantes. Autres offres de l'entreprise Processus de recrutement • Echange téléphonique avec l’équipe Recrutement • Entretien (1h) avec Olivier et Camille, les membres de votre futur pôle • Etude de cas / exercice pratique à réaliser chez vous • Echange avec David, Directeur Technique de Wifirst et présentation de votre étude de cas • Entrevue avec Marc, notre PDG Conseils Pourquoi rejoindre Wifirst ? • Travailler avec une team de passionnés et de challengeurs, au sein du 5ème opérateur télécom en France. • Rejoindre une entreprise avec des valeurs fortes qui ne cesse d'innover, de se développer tout en restant soucieuse de sa responsabilité sociétale : certifications Gold Ecovadis et Techforgood, publication de notre bilan carbone, fresque du climat organisée pour nos salariés, … • Profiter d'un management de proximité , pouvoir vous exprimer et mettre en place vos idées. • Rejoindre une ambiance de travail conviviale et bienveillante, avec afterworks et initiatives internes régulières. • Bénéficier d’avantages salariés tels que carte tickets restaurants Swile (9,50€ pris en charge à 60%), mutuelle d’entreprise familiale et avantageuse (prise en charge à 80%), accord de participation et placement possible dans notre plan d’épargne inter-entreprise • Vivre avec un véritable équilibre pro / perso, avec 25 congés +10,5j RTT par an et une politique de télétravail flexible. • Travailler au siège de Wifirst dans le 8ème, à deux pas des Champs Elysées, dans des locaux tout beaux tout neufs (terrasse, tireuse à bières, babyfoot…). Personne en charge du recrutement Estelle Perdu - Chargée de recrutement projets RH Salaire 40 - 45 k€ brut annuel Prise de poste Dès que possible Expérience Tous niveaux d'expérience acceptés Métier Data analyst Statut du poste Cadre du secteur privé Zone de déplacement Pas de déplacement Secteur d’activité du poste TÉLÉCOMMUNICATIONS SANS FIL Télétravail Partiel possible

{'salaire': [{'montant_min': 40000.0, 'montant_max': 45000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Descriptif du poste: Je suis Yvonnick, Consultant sénior en recrutement informatique chez Externatic, je te propose aujourd'hui de découvrir l'offre ci-dessous et d'échanger ensemble : plutôt en visio ? Ou autour d'un verre ? Je serai ravi de t'accompagner et de te présenter ce job plus en détail ! L'entreprise et l'équipe : Créée il y a 5 ans, cette PME de 20 personnes développe des solutions de gestion de flux financiers sécurisés pour des acteurs BtB internationaux. Constituée actuellement de 10 développeurs et 2 testeurs, elle continue de gagner de nouveaux marchés et cherche petit à petit à faire grandir ses équipes techniques par le recrutement d'un premier Data Engineer (H/F). Cohésion et curiosité sont les valeurs majeures de cette entreprise! Tes missions seront les suivantes: Dans un process agile, tu auras en charge de : • Concevoir, développer, documenter, tester des logiciels orientés gestion de données ; • Rédiger les spécifications techniques, mettre en place des... environnements de développement et développer sur des langages Big Data ; • Garantir le traitement optimal, la sécurité et l'intégrité des données ; • Contribuer à la data science et aux modèles mathématiques du client (tables de paiement, ...) ; • Définir les architectures logicielles en tenant compte des enjeux en matière d'évolutivité et de maintenabilité ; • Être garant de la qualité et de la performance des réalisations, en respect des spécifications techniques et fonctionnelles ; • ... Environnement technique: MongoDB, Elastic Search, MySQL, GCP ... Conditions de travail : • Localisation : Nantes centre (place Graslin jusqu'à fin d'année puis proche Cathédrale) • Proximité transports en commun • Entreprise familiale, bon esprit, où il fait bon vivre • 50% de télétravail garantis. Ce que vous allez y gagner : • Poste à évolution • Salaire : 40 000 - 47 000 € selon expérience • Avantages : cadre travail / onboarding et expérience collaborateur ++ / intéressement / TR ... Process de recrutement : • Traitement de la candidature et RDV avec Bibi • Si ok, premier échange avec Mathias puis début du process • Échange avec Alexandre le CTO Profil recherché: Ce que tu apportes : • Tu justifies d'une expérience marquée sur une fonction similaire dans un environnement Data • Tu as un Bac+3/5 et tu souhaites continuer à apprendre et évoluer autour de devs confirmés et une équipe en construction --> pour rappel, tu seras le premier "data • Tu possèdes un excellent bagage technique pro / perso • Tu fais de la veille technologique, et es curieux de nature

{'salaire': [{'montant_min': 40000.0, 'montant_max': 47000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Description de l'entreprise En associant le meilleur de l’humain et l’intelligence artificielle, la plateforme conversationnelle d’iAdvize permet aux marques d’offrir à grande échelle, à leurs clients, une expérience d’achat en ligne authentique et personnalisée. Les consommateurs ont massivement adopté le Messaging dans leur vie quotidienne. Ils sont 85% à vouloir interagir avec une marque comme ils le font avec leurs proches: via messaging. C’est simple, personnel et engageant. En tant que fournisseur d'une solution complète pour l’avant-vente et le service client, iAdvize n'a qu'une seule mission depuis sa création en 2010 : rendre les marques conversationnelles. Pour offrir cette expérience à grande échelle, nous déployons des copilotes virtuels propulsés par l’IA, fiables, connectés et en parfaite conformité : • iAdvize Copilot™ for Shoppers : Boostez les ventes en ligne en 24/7 grâce à un assistant à l’achat propulsé par l’IA. Levez les freins à l'achat et augmentez les... conversions. • iAdvize Copilot™ for Agents : Augmentez la vitesse, l'efficacité et la qualité de service de vos conseillers grâce à des copilotes propulsés par l’IA générative de confiance. iAdvize c'est aussi plus de 200 talents présents à Nantes (notre siège social), Paris (FR), Düsseldorf (DE) et Boston (US) ; Nous sommes fiers d’être une Great Place to Work et un Lauréat FrenchTech Next 40 et 120. Le bien être de nos collaborateurs est essentiel pour nous et de nombreuses initiatives sont portées chaque année par nos équipes pour que nous puissions tous évoluer dans un contexte de travail propice à l'épanouissement personnel comme professionnel. Convaincus par l'atout majeur que représente la diversité dans nos équipes, nous sommes fiers de compter plus de 45% de femmes dans nos effectifs. Nous sommes également convaincus qu’une croissance durable n’est réalisable qu’en prenant en compte des objectifs ambitieux d’un point de vue sociétal & environnemental. Nous avons lancé depuis 2022 un groupe de travail pluridisciplinaire sur les enjeux RSE, afin de réduire nos émissions carbones, nouer des partenariats responsables et accompagner la transformation conversationnelle du e-commerce vers un modèle plus durable. Vous pouvez retrouver plus d'informations et des photos de nos locaux sur notre page Welcome to the jungle. Description du poste Au sein des locaux de Nantes, vous rejoindrez l'équipe Data (4 personnes) du département "Product & Engineering". Vous opérerez sous la responsabilité du Senior Data Analyst et l’aiderez au quotidien à maintenir / enrichir notre écosystème BI, ainsi qu'à répondre aux besoins en données de l'entreprise. Cette alternance est une réelle opportunité de découvrir la profession de Data Analyst de manière complète. En effet, vous aurez l'opportunité d’intervenir sur une large gamme de tâches, allant de la création de sources de données, à la réalisation de tableaux de bord, en passant par l'analyse de l'adoption du produit ainsi que de la valeur ajoutée apportée à nos clients. Dans le cadre de vos missions, vous collaborerez étroitement avec les Data Engineers, les Business Analysts, ainsi que les équipes "Product" et "Customer Success". Enfin, vous travaillerez dans un environnement technique riche : Tableau, Big Query, Amazon Athena, Elasticsearch, Mixpanel,... et plus encore ! Vos missions Développer des tableaux de bord Tableau pour suivre l'adoption des fonctionnalités du produit. Contribuer à la maintenance des tableaux de bord et des sources de données existantes. Réaliser des analyses ad-hoc exploratoires, descriptives et diagnostiques. Assister les parties prenantes du produit et de l'entreprise dans la définition de leurs besoins en données. Soutenir et autonomiser les utilisateurs de Tableau dans l'entreprise. Profil recherché En prévision de votre dernière année d’études (Bac +5) en Data Science, Statistiques, Mathématiques ou domaine connexe, vous recherchez pour la rentrée prochaine un terrain propice pour vous forger une expérience valorisante. Vous êtes familier des outils BI et disposez d’au moins une première expérience réussie en analyse et manipulation de données. En lien avec de nombreuses parties prenantes (techs et non techs) dans le cadre de votre poste, vous savez adapter votre communication lorsque c’est nécessaire. Organisé.e et méticuleux.se, vous êtes à l’aise dans la gestion de tâches multiples et êtes garant.e de vos échéances. Enfin, de nature proactive, vous êtes capable d’adapter votre travail en fonction des priorités du moment et de prendre en charge des tâches imprévues si la situation le requiert. Compétences attendues • Expérimenté.e en SQL ainsi que sur l'écosystème d'analyse de données en Python. • Maîtrise de la préparation, du nettoyage et de la transformation des données. • Connaissances approfondies des méthodologies d'analyse de données (analyse statistique, tests A/B). • Expérimenté.e sur Tableau ou un logiciel BI équivalent. • Compétences en DataViz et en storytelling. • Un anglais fluent est obligatoire. • Bonus : Expérience avec un Cloud provider majeur (AWS, GCP, Azure). Informations complémentaires • Contrat : Alternance, 1 an. • Rythme idéal : semaine partagée • Formation visée : Bac + 5 • Lieu de travail : poste à pourvoir à Nantes (siège social, proche gare Sud) • Date de début : à partir de Septembre 2024 Rejoindre iAdvize, c’est… • Participer au développement d’une scale-up française ambitieuse, internationale et dynamique, pionnière de l'IA Générative de confiance. • Rejoindre une promotion de nouveaux, et participer à un programme d’onboarding d’une semaine qui vous formera sur notre produit, notre stratégie, notre marché, nos techniques de ventes. • Travailler dans des conditions de travail agiles, où vous pourrez être force de proposition pour apporter vos idées. La société iAdvize est attachée à la diversité de ses équipes et pratique une stricte politique de non-discrimination au recrutement

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Poste basé à Grenoble. Sous la responsabilité du Head of Product, le/la Product Analyst utilise ses compétences en analyse de données pour mesurer les performances du produit, aider à la prise de décisions stratégiques et à l’amélioration constante de l’expérience utilisateur. • *Tes missions en tant que Product Analyst seront**: - Performances Produit**: - Définir les métriques clés des performances du produit et développer les dashboards mesurant ces indicateurs ; - Cartographier les usages de nos clients et intérimaires sur la plateforme QAPA à partir de la data d’utilisation ; - Développer des modèles d’acquisition, d’activation et de rétention de nos utilisateurs. • *- Stratégie Produit**: - Préparer les roadmaps Produit par des analyses ad-hoc des comportements utilisateurs afin de prendre des décisions validées par la data ; - Identifier des opportunités d’amélioration visant à accélérer l’adoption et l’engagement utilisateur, en particulier sur les performances de nos... algorithmes de sourcing et de matching. • *- Développement Produit**: - Travailler en étroite collaboration avec le product management et la R&D lors des phases de spécifications, implémentation et déploiement des fonctionnalités pour garantir une approche centrée sur la data utilisateur lors de chaque étape ; - Définir les indicateurs de succès des nouvelles fonctionnalités et mesurer ces indicateurs suite à la mise sur le marché pour valider l’impact ; - Réaliser des A/B tests pour améliorer l’expérience utilisateur. • *Le/la Product Analyst est intégré(e) à une équipe de 20 personnes avec une organisation en squad (1 dev lead, 3-4 Software Engineers, 1 Product Manager) et une équipe UX/UI.** • *Ce que nous offrons**: - Un esprit start-up made in France en forte croissance ; - Des bureaux agréables en plein cœur de Grenoble ; - Une ambiance top avec des events, des QAPA Party organisées par la team, moyenne d’âge de la team QAPA 30 ans ; - 1 semaine de formation à ton arrivée dans la QAPA University. • *Nos Avantages**: - Possibilité de 2 jours de Télétravail/semaine ; - 7 JRTT (avec possibilité de rachat) ; - Journée solidarité (non travaillée et payée) ; - Remboursement du titre de transport à hauteur de 70% par QAPA ; - Carte Swile 9€/jour travaillé ; - Mutuelle ALAN. • *Ce que nous cherchons **: - Tu es issu(e) d’une formation de niveau bac+5 en informatique, en ingénierie, en mathématique ou dans une discipline connexe ou expérience équivalente ; - Tu as de fortes compétences analytiques & de modélisation : base de données / SQL (jointures multiples, connaissance de l’optimisation des requêtes, création de tables) et un ou plusieurs langages de programmation (par ex. Python) ; - Tu es doté(e) d’un esprit analytique et orienté(e) business ; - Tu disposes d’une capacité à résoudre des problèmes complexes et à afficher des données quantitatives complexes dans un format simple et intuitif et de présenter les résultats de manière claire et concise. • *Si notre offre correspond à tes compétences et que tu partages nos valeurs, rejoins-nous ** Type d'emploi : CDI Salaire : 35 000,00€ à 55 000,00€ par an Avantages: - Participation au transport - RTT - Titre-restaurant Programmation: - Du lundi au vendredi - Travail en journée Lieu du poste : Télétravail hybride (38100 Grenoble) Date de début prévue : 01/03/2023

{'salaire': [{'montant_min': 35000.0, 'montant_max': 55000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Contexte de la Mission Depuis les années 90, nous apportons des solutions financières à nos clients.Aujourd’hui, nous recherchons un data engineer pour développer, construit et maintenir nos infrastructures de données d’un point de vue système et sécurité. Missions BUILD * Création, industrialisation et automatisation de dataflows d’alimentation du datalake RUN * Mise en place de l’observability, monitoring et alerting * Aide MCO * Rédaction de la documentation technique d’exploitation 1. Echange des bonnes pratiques 2. Veille techno et partage Stack technique 3. Python/Pyspark 4. AWS 5. Langage SQL 6. Orchestration et scheduling de tâches (Control M, Apache Airflow, Kubeflow 7. Gouvernance de la donnée : datalineage, cataloging, Apache Atlas 8. Bases analytiques et bases NoSQL Profil recherché 9. Minimum 5 ans d’expérience *Connaissance du domaine de la DATA décisionnelle 10. Compétences techniques : Python, Pyspark, cloud AWS, BDD SQL 11. Connaissance du domaine... bancaire et des contraintes réglementaires serait un plus Bonne communication écrite et orale Avantages 12. Mission : longue 13. Localisation : Maison Alfort 14. TJM : 500 15. 3j/TT

{'salaire': [{'montant_min': 500.0, 'montant_max': 500.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Data Engineer Up to 65K€ fixe PARIS - LYON - LILLE Ce cabinet de conseil spécialisé dans la data, avec une culture start-up et de belles perspectives d’évolution, recherche un senior data engineer pour compléter son équipe de consultant(e)s. Votre rôle ? Accompagner les clients de l’entreprise sur des problématiques techniques et business liées à la data. Vous aurez comme responsabilité d'accompagner les consultants plus juniors dans leurs montées en compétences en prenant le lead sur des projets. Télétravail très flexible, avec la majorité des missions dans les locaux du cabinet. Missions : - Vous analyserez les besoins des clients (prise de brief, définition des méthodologies de déploiement et de migration, préconisation de solutions…) - Vous aurez comme mission de faire de la création d’architecture data sur un environnement Cloud (GCP ou AWS) ainsi que de construire et de déployer des ETL - Vous mettrez en œuvre des outils de BI et visualisation (Tableau, Qlikview…) - Vous serez... amené à accompagner et à faire monter en compétence les consultants data de l’équipe avec l’aide du manager data & tech et à être le référent technique de l’équipe data engineer. Profil : Vous justifiez d’au moins 3-4ans d’expériences significatives Vous avez déjà utilisé BigQuery Vous maitrisez bien Python, SQL, et un environnement Cloud (GCP ou AWS) C’est encore mieux si vous connaissez un ETL (ex : Airflow) L'équipe étant très dynamique, il est important que vous soyez dans le même état d'esprit Avantages : - Une assurance santé complémentaire avec Alan - Une carte Swile pour vos tickets restaurants - Le remboursement des frais de transport en commun à 50% - Des primes d’abondement, d’intéressement et une épargne salariale - Un abonnement fitness - Ambiance start-up - Formations accessibles en interne et prises en compte par l’entreprise Mots-clés : SQL / Python / BigQuery / Consulting / Airflow / Data Engineer Vous pouvez postuler directement à claraponceharnham.com

{'salaire': [{'montant_min': None, 'montant_max': 65000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Insitoo Freelance, facilitateur du freelancing depuis 2007, recherche pour son client en direct un DATA Engineer Big Data (H/F). Les missions attendues par le DATA Engineer Big Data (H/F) sont : => Conception/Préconisation - Porteur de la création des nouveaux use cases - Analyses de besoins métier concernés - Conception du nouveau use case big Big Data en adéquation avec l'architecture fonctionnelle Interne - Vérification et analyse des impacts techniques des solutions retenues (vue logique et vue physique), en lien avec l'architecte de l'infrastructure Big data. - Analyse de la qualité des données sources et conception des règles de mise en qualité - Conception de la stratégie de recette (cas de tests, cahier de recette) - Pour tout nouveau projet/use case ou toute nouvelle technologie, participation à l'étude d'impact sur l'architecture existante ou prévisionnelle et préconisation des choix techniques en vue d'assurer la cohérence de cette évolution => Réalisation ... Participe à la mise en oeuvre l'architecture fonctionnelle choisie - Développe la solution retenue (flux entrant, ingestion des bases, transformation, extraction, flux sortant, etc.) : scripts de traitement, ordonnancement, tableaux de bord - Réalise les tests et recettes adéquats => MCO - Maintenance en condition opérationnelle des uses cases - Réalisation de l'évolution le cas échéant tout en assurant la non-régression des produits proposés. => Coordination/Communication - Coordination des échéances de pour le(s) use-case(s) dont le consultant est responsable. - Travail en équipe avec le Métier et l'architecture du SI - Documentation des choix techniques et des fonctionnements des use cases IVC Compétences : - Maitrise des frameworks bigdata (Hadoop, Hive, Spark, Tez, etc.) et les outils associés d'exploration/de manipulation (Ambari, Zeppelin, HDFS, etc.) - Maitrise des langages de programmation suivantes : bash, sed, awk, hql/sql, python/scala - Solide expérience pour les plateformes HDInsight, databricks et éventuellement AWS - Solide expérience de cloud storage Azure Data Lake Storage Gen2. - Expériences d'usage d'un outil d'ordonnancement des jobs, de préférence Rundeck - Maitrise de différents formats de données SQL (managed/external), Parquet, XML, JSON, CSV, XLSX et éventuellement Delta TJM Prix d'achat max pour cette mission à 400? HT. Compétences techniques et fonctionnelles attendues : - Bash - Souhaitable - Big data - Confirmé - Indispensable - Hadoop - Confirmé - Indispensable Cette mission vous intéresse ? N'attendez plus pour postuler Retrouvez nous sur notre page linkedin : Insitoo Et retrouvez le détail de la mission sur notre site internet : -lien masqué

{'salaire': [{'montant_min': None, 'montant_max': 400.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Poste : Vos missions sont : Comprendre et interpréter les enjeux marketing (ciblage/segmentation dans le cadre de campagnes, technique d'acquisition et de fidélisation) ; Traiter, analyser, modéliser et interpréter les données qui sont à disposition ; Piloter et rendre les données exploitables ; Construire et mettre en place des algorithmes, développer les possibilités offertes par le machine learning. Profil : Notre client attend : Un socle solide en mathématiques et plus particulièrement les statistiques ; Bonnes connaissances en codage et capacité à naviguer dans les bases de données, aujourd'hui SQL ; Appétence pour l'analyse, orienté solutions et capacité à les modéliser. Issu d'une formation Bac 5 minimum de type université, école d'Ingénieurs ou de commerce avec une spécialisation en informatique, en statistiques, en marketing ou en big data, vous avez pu mettre en pratique vos acquis sur des projets en relation avec le commerce et le client. Doté d'un esprit d'analyse qui te... permet de comprendre les problématiques business de l'entreprise. Entreprise : Fondé en 1880 et expert automobile depuis 1920, notre client est devenu en quelques générations le 2ème distributeur automobile en France. Avec plus de 4200 Collaborateurs répartis sur plus de 150 sites et un CA de 2 milliards d'euros, notre client est un acteur majeur de la distribution automobile, poids lourds et agricole

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Sous la responsabilité du Responsable du Département Statistiques Commerciales et Pilotage, le Data Analyst marketing travaille en liaison avec les autres services de la DCRD et plus spécifiquement les chefs de marché. A ce titre, vous êtes en charge: - de la conception, extraction, l'alimentation récurrente et la maintenance de la base de données alimentant l'outil de gestion de campagnes ACTITO. - de la gestion des optins et des règles RGPD (conservation des données, consentements,...) - d'être force de proposition pour faire évoluer les BDD et les pratiques - de la gestion de la relation avec le prestataire ACTITO - de l'extraction de fichiers à la demande avec SAS - des reportings et analyses à la demande sur fichiers et opérations commerciales • *Profil** - Titulaire d'une formation minimum Bac+3 en statistiques, data, informatique marketing digital ou tout autre diplôme pertinent - Vous avez une expérience de 5 ans minimum sur un poste similaire dont de l'expérience sur un... outil de gestion de campagnes marketing - Vous avez des connaissances en Programmation SAS, EXCEL avancé, SQL et Bases de données - Vous aimez la programmation - Vous êtes quelqu'un d'organisé et rigoureux - Votre créativité, capacité de travail en équipe, sens de l'écoute, aisance relationnelle, force de proposition sur les différents projets, capacité à mener de front plusieurs projets sont des atouts clés pour la réussite de ce poste • *Avantages** - Une rémunération fixe et un variable attractif - Une prime de participation avec montant minimum garanti et abondement - Des titres-restaurants à hauteur de 12€ par jour travaillé, - Télétravail de 2 jours par semaine + 14 jours volants/an dès que vous serez suffisamment autonome, - Des avantages CSE, - Accompagnement des collaborateurs et promotion de la mobilité interne, - Une politique d'entreprise qui soutient la parentalité et la famille, - Entreprise soucieuse de ses salariés et de l'équilibre vie professionnelle / professionnelle, - Groupe impliqué et actif sur les enjeux RSE et environnementaux. • *Processus de recrutement** Nos équipes RH et Managers étudieront avec attention votre profil et vous contacteront pour échanger sur le poste proposé et votre projet professionnel. Vous serez ensuite reçu en entretien directement par votre futur Manager. Type d'emploi : Temps plein, CDI Statut : Cadre Salaire : à partir de 3 000,00€ par mois Avantages: - Prise en charge du transport quotidien - RTT Programmation: - Du lundi au vendredi - Travail en journée Types de primes et de gratifications: - 13ème Mois - Prime annuelle - Primes Lieu du poste : Télétravail hybride (75015 Paris 15e

{'salaire': [{'montant_min': 3000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Vous souhaitez rejoindre une jeune start-up dans le secteur de la santé? Les domaines de L’IA et la Big Data vous passionnent ? Contexte Rejoignez cette start-up lyonnaise qui évolue dans le secteur médical et qui développe des solutions destinées à combattre le cancer. Créée il y a un an, l’équipe technique est composée de 5 personnes. Elle propose en particulier des solutions d’aide au pronostic vital des patients. En pleine croissance, elle recrute son futur data scientist confirmé, en CDI sur Lyon. Responsabilités Intégré à l’équipe technique, et en lien avec des laboratoire et hôpitaux, vos missions seront de: Traiter les données, Construire des algorithmes de deep learning, Développer des modèles de détection et de prédiction, Développer, améliorer et maintenir la stack logicielle de briques d’IA de l’entreprise, Réaliser des tests statistiques, Réaliser une veille technologique régulière. Stack : Python, Scikit, Pytorch, AWS, GCP _ Profil Vous avez idéalement un diplôme... d'ingénieur avec une spécialisation en Data Science ou computer vision, Vous avez une expérience de 2 an minimum sur un poste de data scientist, Vous maîtrisez Python et les librairies de machine learning, Vous êtes familier avec les CNN, Curieux, vous aimez faire de la veille technologique, Vous parlez couramment anglais. Avantages 2j de télétravail par semaine, Locaux situés à Lyon, Rémunération selon profil et expérience : 38k-46k€. Type d'emploi : CDI, Temps plein Statut : Cadre Salaire : 38 000,00€ à 46 000,00€ par an Programmation: Période de travail de 8 Heures Lieu du poste : Télétravail hybride (69006 Lyon 6e

{"salaire": [{"montant_min": 38000.0, "montant_max": 46000.0, "devise": "€", "frequence_versement": "an"}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Un de nos client grand compte dans le domaine de l'énergie est à la recherche d'un Data Engineer confirmé pour venir renforcer ses équipes. L'équipe chargée de l'administration de la plateforme data se compose de 7 Data Engineer et leur travail s'articule autour de trois thématiques principales : • DevOps : Déploiement, administration et suivi de production • Acquisition et intégration des données • Enrichissement, valorisation et exposition des données. Profil recherché : Capte les données (structurées et non structurées) produites dans les différentes applications ou à l'extérieur de l'entité • Intègre les éléments • Structure la donnée (sémantique, etc.) • Cartographie les éléments à disposition • Nettoie la donnée (élimination des doublons, ...) • Valide la donnée • Éventuellement, il crée le référentiel de données Environnement technique : AWS Databriks Python v3 Sparks SQL

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Votre mission Adecco recrute pour un de ses clients, un EXPERT DATA et formation outil de planification H/F;Vous devrez accompagner la Direction Projet & Responsabilité Cosmétique et en particulier la task force Multi change (mission de data Analyst) et l'équipe Gestion Planification Projets Produits (mission d'expert formation). A ce titre, vous serez contributeur dans la :· Production, analyse et mise à disposition des données nécessaires au pilotage des activités o Recueillir, traiter, consolider des données internes / analyses ad’hoc afin d’optimiser et aider à la compréhension de la performance • Comprendre un modèle de données (sélectionner les sources/SI en regard du processus métier) • Définition des règles de gestion métier (nettoyer) • Documentation des sources, clés, données • Construction et automatisation de la préparation des données o Proposer et produire avec fiabilité les rapports de pilotage (Etats, dashboards opérationnels) des activités demandées par l’équipe... multi change et les métiers • Comprendre la demande des opérationnels • Orienter ou guider la demande si besoin • Concevoir le rapport attendu • Diffuser ou mettre à disposition les éléments ou rapport • Former o Faire évoluer les Dashboards et intégrer des nouvelles sources de données et de KPI afin d’améliorer le pilotage des activités o Réaliser des dossiers, rapports d’analyse o Conseiller les équipes métiers sur la définition de leurs KPIs et l’exploitation de leurs données o Répondre aux demandes Ad hoc de l’équipe et métiers et les accompagnerez sur des besoins d’analyse spécifiques.o Reprendre et moderniser les supports de formation actuels sur l’outil Planisware : vidéos et modules de formation sur le portail de e-learning, supports Powerpointo Former et coacher nos utilisateurs sur la solution de planification en les challengeant sur les bonnes pratiques process et outils Votre profil • Formation supérieure Commerciale / Marketing Data/ Gestion (ou connaissances équivalentes acquises par expérience professionnelle) • Expérience préalable de 3 à 5 ans minimum sur un poste similaire – Chef de projet/ DATA/ Analyst • Connaissance de la Dermo-cosmétique • Anglais B2 • Capacité d’écoute et de compréhension des enjeux business • Esprit d’analyse de données et de synthèse • Sens du service client, adaptabilité • Capacités à communiquer (interlocuteurs variés), à évoluer dans un environnement multi acteurs et à jouer un rôle d’interface • Autonomie, curiosité et force de proposition • Utilisation quotidienne du pack office • Connaissance des outils de reporting et de data visualisation (Tableau), Business Object, Alteryx (notion), • Connaissance gestion de projets et outils associés (Planisware idéalement) • Appétence pour les outils informatiques et notamment • les outils de montage vidéo, • les logiciels de formation en ligne (Teams/Zoom) • Sharepoint (pour administrer notre site intranet) • Powerpoint • Début : dès que possible • Fin : 31 juillet 2023 renouvelable jusqu’au 23 dec 2023 • Rémunération : mini 2785,00€ à voir selon profil • Site : Les Cauquillous – Lavaur Si vous êtes intéressé Merci de postuler à l'offre A propos de nous Premier réseau d'agences d'emploi en France, Adecco a développé un savoir-faire unique de proximité et met toutes ses compétences à votre service. Nos équipes sont présentes sur tout le territoire, avec plus de 900 agences. Quel que soit le contrat que vous cherchez : CDI, CDD, Intérim, CDI Intérimaire, CDI Apprenant ou alternance, nos experts travaillent chaque jour, pour vous guider vers ce qui vous correspond. Dès maintenant, devenez acteur de votre vie

{'salaire': [{'montant_min': 2785.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Client final - Santé**: - **Paris**: - **CDI** • *Mission**: Tu rejoins un Client Final dans le domaine de la santé et prend un poste de Data Engineer. Parmi tes missions: - Tu t’occupes du déploiement et de la maintenance des pipelines de prod, pour l’ingestion de données. - Tu participes à la compréhension des besoins métiers et à leur spécifications - Tu mets en place une pipeline de données et t'assures qu'elle soit robuste - Tu fais de la veille techno sur le data engineering. • *Environnement technique**: Python, SQL, AWS, Ansible, docker • *Ton profil**: - Diplôme d'école d'ingénieur - **2 ans d'XP** en développement, data, cloud... - Expérience en développement **Python**, **SQL**: - La maitrise d'AWS est un plus • *Remote**: 2j/sem de **télétravail** • *Pourquoi les rejoindre ?** - Projets avec beaucoup d'avenir - Environnement technologique riche - De fortes perspectives d'évolution - Contexte de travail agréable et flexible Type d'emploi : Temps plein, CDI Statut ... Cadre Salaire : à partir de 45 000,00€ par an Programmation: - Du lundi au vendredi - Travail en journée Lieu du poste : Télétravail hybride (75017 Paris 17e

{'salaire': [{'montant_min': 45000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Présentation du cabinet : a.m.i consulting est une entreprise familiale innovante (Le cabinet a obtenu en 2019 la bourse Innov’UP de BPI France) qui exploite pour vous la data, afin de vous fournir des consultants experts dans ces domaines. Soucieux du bien-être de nos collaborateurs et conscient des enjeux environnementaux, nous nous engageons à réduire notre empreinte carbone grâce à un processus de qualification, de sélection et d'intégration 100%% digitale. Présentation de l'offre : • Secteur : Banque • Nombre d'année d'experience : Sup à 5 ans • Contrat : Freelance ou CDI de mission • Fixe : 40k€ brut annuel + 5k€ Variable • Freelance : • 450€/HT de 1 à 12 mois de mission • Après une période de 12 mois, le taux journalier moyen (TJM) pourrait être augmenté de 7%, en tenant compte des commentaires et des retours des clients. • Durée de la mission : 12 mois (possibilité de prolongation) • Lieu : 92 Mission : Nous sommes à la recherche d'un consultant expérimenté pour rejoindre... notre équipe en tant que Référent en Script Shell et PL/SQL. En tant que référent, vous jouerez un rôle essentiel dans le développement, la maintenance et l'optimisation de scripts Shell et de code PL/SQL pour répondre à nos besoins en matière d'automatisation et de gestion de bases de données. Responsabilités Clés : • Développement de Script Shell : Concevoir, développer et maintenir des scripts Shell pour automatiser des tâches de gestion système et de flux de travail. · Développement PL/SQL : Créer, optimiser et gérer du code PL/SQL pour interagir avec des bases de données et traiter des données. · Optimisation : Améliorer les performances des scripts Shell et PL/SQL existants en identifiant les goulots d'étranglement et en proposant des solutions. · Dépannage : Diagnostiquer et résoudre les problèmes techniques liés aux scripts Shell et PL/SQL. · Sécurité : Garantir que les scripts et le code PL/SQL respectent les normes de sécurité et les meilleures pratiques. · Collaboration d'Équipe : Travailler en étroite collaboration avec les membres de l'équipe informatique pour répondre aux besoins du projet. · Le candidat idéal devrait posséder les compétences suivantes : · Script Shell : Une expertise avancée dans le développement de scripts Shell sous Linux ou Unix. · PL/SQL : Solides compétences en programmation PL/SQL pour la gestion de bases de données Oracle ou équivalent. · Automatisation : Connaissance approfondie des principes d'automatisation des tâches système. · Optimisation : Aptitude à optimiser les scripts et le code PL/SQL pour des performances maximales. · Analyse et Résolution de Problèmes : Capacité à analyser les problèmes, à proposer des solutions et à résoudre des problèmes techniques. · Communication : Excellentes compétences en communication pour collaborer avec l'équipe et les parties prenantes. Compétences Requises • ORACLE • PL/SQL • Script Shell Mid-Senior LevelNeuilly-sur-seine

{'salaire': [{'montant_min': 40000.0, 'montant_max': 40000.0, 'devise': '€', 'frequence_versement': 'an'}, {'montant_min': 450.0, 'montant_max': 450.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

La société: Tu rejoins une entreprise française qui a développé une solution pour le marché des matières premières. Elle ne fait pas partie du Big Data mais elle utilise des données géographiques très complexes (issues de la géolocalisation, de drones ou de satellites). Elle compte aujourd'hui près de 200 salariés et dispose de bureaux à New York, Paris et Singapour. Stack technique : Python, Scala, Spark, Kafka, SQL, PostgreSQL, Airflow. Ton rôle: • Gestion des pipelines • Collaboration avec le Product Owner et les parties prenantes • Re-concevoir le système (infrastructure + logiciel) • Implémenter des fonctionnalités Ton profil : • Tu maîtrises Python ou Scala comme langage de programmation • Bonne connaissance de SQL et PostgreSQL • Excellent niveau d'anglais (langue de travail) • Minimum 5 ans d'expérience en Data À savoir: • Mission 3 mois renouvelable • TJM jusqu'à 700 euros selon profil • Full-remote Alors, qu'attends-tu pour postuler ?

{'salaire': [{'montant_min': None, 'montant_max': 700.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Contexte De La Mission Notre client recherche un Data Scientist talentueux et expérimenté pour rejoindre son équipe logistique et transport au sein du domaine de la chaîne de valeur. En tant que Data Scientist, vous jouerez un rôle crucial dans l'analyse des données, le développement de modèles d'IA en production, et la fourniture d'informations pour optimiser divers aspects de nos opérations de chaîne d'approvisionnement. L’équipe recrute des candidats ayant une expertise dans les problèmes de prévision et une passion pour tirer parti des données pour orienter les décisions commerciales. Détail De La Mission • Analyser de grands ensembles de données pour identifier les motifs, tendances et insights pertinents pour le département respectif de la chaîne d'approvisionnement. • Développer des modèles prédictifs et des algorithmes d'apprentissage automatique pour optimiser les processus liés à la logistique et le transport. • Développer des stratégies d'optimisation pour tirer parti des... différents insights et fournir des recommandations éclairées à l'entreprise. • Collaborer avec des équipes pluridisciplinaires comprenant la direction de la chaîne d'approvisionnement, l'ingénierie et le développement de produits pour aligner les efforts de données et d'IA avec les objectifs commerciaux. • Concevoir et mettre en œuvre des outils de surveillance des modèles pour suivre les performances des modèles et mesurer l'efficacité des stratégies de chaîne d'approvisionnement. • Évaluer continuellement et améliorer les modèles et méthodologies existants pour améliorer la précision et l'efficacité. • Communiquer les résultats et les recommandations aux parties prenantes grâce à des présentations et des rapports clairs et concis. • Rester informé des tendances de l'industrie et des technologies émergentes en science des données et gestion de la chaîne d'approvisionnement. Profil candidat: Ø Vous êtes diplômé(e) d'une école d’ingénieur ou d’un master dans un domaine lié à la Data et à l’informatique Ø Vous avez minimum 7 ans d’expériences professionnelles en tant que Data Scientist Ø Vous avez un bon niveau en anglais à l’oral comme à l’écrit Ø Tu es passionné(e) par la data Ø Skills attendus : o Maîtrise de l'analyse statistique, des techniques d'apprentissage automatique et des algorithmes d'optimisation. o Maîtrise des systèmes de base de données et des langages de requête (par exemple, SQL) pour l'extraction et la manipulation de données o Expérience avec des langages de programmation tels que Python, Spark, TensorFlow et PyTorch pour l'analyse et la modélisation de données. o Expérience avec des bibliothèques de manipulation et de visualisation de données telles que pandas, NumPy, Matplotlib ou ggplot2

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Analyste Data - Rémunérations - H/F - Alternance 12 ou 24 mois. Ce poste basé à PARIS 9 est à pourvoir à partir de 04/09/2023 pour une durée de 12 ou 24 mois. Concrètement votre quotidien ? Au cours de votre alternance, vous serez amené à participer aux différentes missions de l'équipe Ingénierie des rémunérations. 1/ Définition et implémentation des plans de rémunération différée du Groupe - Vous participerez aux travaux visant à rédiger les règlements des plans de rémunérations du Groupe - Vous contribuerez aux exercices trimestriels de détermination des provisions comptables - Vous serez amené à prendre en charge des demandes d'analyses de ces provisions 2/Travaux sur les sujets Egalité Femmes / Hommes et Salaire décent La réglementation dans ces domaines se renforce et vous participerez aux projets Data visant à définir et implémenter les outils qui permettront d'y répondre (Tableau, Power BI, DataIku...). 3/Processus annuel de revue des rémunérations - Vous participerez à... la collecte puis à la compilation et à l'analyse des enveloppes de rémunérations variables du Groupe - Vous utiliserez les outils d'identification de la population régulée et participerez à leur exécution - Vous prendrez part à la mise en place et à l'utilisation des différents outils de suivi et de reportings internes et externes Ces missions vous amèneront à être en lien avec tous les correspondants Comp&Ben du Groupe mais également avec des équipes Finance. Vos échanges se feront en Français et en Anglais, aussi bien à l'oral qu'à l'écrit. Les missions c’est important, l’équipe et l’environnement aussi Au sein des Ressources Humaines Groupe, vous rejoignez l’équipe Compensation, Benefits & People Analytics, et plus précisément l’équipe Rémunération Groupe composée de 20 personnes. Basée rue de Clichy à Paris, votre équipe est pluridisciplinaire. Et après ? Cette expérience va vous permettre de développer vos connaissances et vos compétences dans le domaine de la rémunération au sein d'un grand groupe bancaire de dimension internationale. Dans ce cadre, vous vous formerez à la réglementation spécifique, existante et à venir, qui encadre cette activité. Vous développerez également des compétences en matière d'analyse de données. Cette mission vous permettra également de développer vos compétences sur les sujets de Responsabilité Sociale et Environnementale qui sont, à la fois, une priorité pour le Groupe et, également, très suivis par les investisseurs et de plus en plus encadrés par la réglementation. En fonction des besoins et des opportunités offertes par le Groupe, vous pourrez candidater pour un poste au sein du département ou de la fonction RH notamment dans les équipes "Compensation & Benefits". Et la rémunération ? Encadrée par la loi, elle sera abordée à l’issue de votre parcours de recrutement. Elle dépend du type de contrat, votre âge et de votre niveau d’études. Pourquoi BNP Paribas ? Notre monde change : notre manière de nous informer, de consommer… et de travailler aussi Aujourd’hui, ce qui compte dans un job, c’est de vivre de véritables expériences, d’apprendre, de partager objectifs et résultats avec ses collègues. Bref, de tracer son propre chemin, différent, responsable et durable. Chez BNP Paribas, nous recrutons nos collaborateurs avec l’idée qu’ils nous aideront à concevoir le monde et la banque de demain. Vous voulez connaître toutes les raisons de nous rejoindre ? Rendez-vous sur www.bnpparibas.com Etes-vous notre prochain Alternant(e) Analyste Data - Rémunérations ? Vous préparez un diplôme BAC+5 reconnu par l’Etat et inscrit au registre RNCP en école de commerce ou en université avec une spécialisation Data Analyst / Data Statistiques et/ou Data Actuariat Vous parlez couramment Français et Anglais. Vous avez des connaissances Mathématiques appliquées et algorithmes, Analyse de données, Rémunération et avantages, Développement durable et RSE. Votre adaptabilité, votre capacité à collaborer et analyser seront des atouts essentiels. Ajoutez à cela, une bonne capacité d'organisation et de communication qui finiront de nous convaincre. Dans un monde qui change, la diversité, l’équité et l’inclusion sont des valeurs clés pour le bien-être et la performance des équipes. Chez BNP Paribas, nous souhaitons accueillir et retenir tous les talents sans distinction :c’est ainsi que nous construirons, ensemble, la finance de demain, innovante, responsable et durable. Enfin, nous attachons une importance particulière à ce que nos futurs collaborateurs agissent au quotidien avec responsabilité éthique et professionnelle. À tout moment pendant le processus de recrutement, les informations figurant sur votre CV, vos données d'identification et vos antécédents pourront être vérifiés. N'oubliez pas d'indiquer sur votre CV la formation que vous souhaitez préparer dans le cadre de votre alternance. Durée et disponibilité : Alternance à pourvoir à partir de septembre 2023 pour une durée de 24 mois. #Rejoignez-nous

{"salaire": [{"montant_min": null, "montant_max": null, "devise": null, "frequence_versement": null}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Construisons l’avenir en commençant par le vôtre SOGEDESCA , siège du Groupe DESCOURS & CABAUD partenaire des métiers de l’industrie, de la construction, de l’eau et du paysage recherche un/une Gestionnaire de Data Produits (F/H) – CDI – Lyon (69) Rattaché(e) au Responsable de Marché EPI, vous rejoignez une équipe qui vous accompagnera tout au long de votre parcours d’intégration. À ce titre, vous : Participez à la mise en place d’un référentiel articles Groupe des données tarifaires et descriptives, partagées par tous et communes à toutes nos filiales Gérez par fournisseur les tarifs, articles, conditions d’achat, éléments de prix, unités, et toutes les données nécessaires à nos outils de gestion commerciale Gérez l’enrichissement des données permettant pour nos sites WEB et pour le Print de générer automatiquement des désignations produits et articles Vous êtes issu(e) d’une formation supérieure BAC+2/3 et vous bénéficiez d’une première expérience en gestion de... données. Vous êtes structuré et savez gérer les priorités. Vous êtes curieux, ouvert d’esprit, méthodique, autonome et rigoureux et vous aimez travailler en équipe. Vous possédez un bon niveau Excel (TCD, Recherche V) Restreint DC VOUS HÉSITEZ ENCORE ? NOUS VOUS PROPOSONS : Rémunération sur 13 mois (fixe [entre 26k et 28.6k€] + variable [4%]) Du lundi au vendredi, 37h hebdomadaires 11 jours RTT (temps plein) Université professionnelle interne Tech’UP Réduction sur achats de marchandises Restaurant d’entreprise DESCOURS & CABAUD est un Groupe familial international fondé à Lyon en 1782. Véritable partenaire et expert de la distribution, le Groupe DESCOURS & CABAUD propose des produits et des services à fortes valeurs ajoutées auprès des professionnels, au travers de ses 3 enseignes : PROLIANS, partenaire des métiers de la construction DEXIS, partenaire des métiers de l’industrie HYDRALIANS, partenaire des métiers de l’eau et du paysage. 730 points de vente 14 500 collaborateurs dans le monde dont 9000 dédiés à la vente Pour en savoir plus, rendez-vous sur notre site carrière

{'salaire': [{'montant_min': 26000.0, 'montant_max': 28600.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Si tu es à la recherche d’un stage pour ta dernière année d’école d’ingénieur en tant que développeur(se) Business Intelligence, ADBI te propose d’intégrer sa team pour une durée de 6 mois Nous sommes une ESN spécialisée dans la data et nous accompagnons nos clients dans leurs projets et leurs transformations numériques. Nous avons à cœur de construire un futur innovant grâce à nos ambitions d’excellence et nos valeurs de partage et de collaboration. Avec l’accompagnement d’un Tech lead de la société, tu appendras à: - participer à la collecte, l’intégration et la transformation des données - identifier les axes d’amélioration et optimiser nos processus - réaliser des analyses de performances et en tirer des recommandations concrètes - mettre en lumière les indicateurs de performance et réaliser des rapports - effectuer une bonne veille technologique • *Profil recherché**: - Tu as des connaissances générales des logiques décisionnelles - Tu es familiarisé avec l’environnement... SQL - Tu as des connaissances sur ces environnements : ETL, MSBI, Talend, Power BI, MSBI, Python, Azure - Tu es curieux(se), autonome, dispose d’un esprit d’analyse et d’un esprit critique Si tu es passionné/e par le métier de développeur(se) BI, ADBI aura le plaisir de t’accueillir durant ce stage, le but étant par la suite de poursuivre avec nous en CDI Type d'emploi : Stage Durée du contrat : 6 mois Salaire : à partir de 1 000,00€ par mois Avantages: - Épargne salariale - Participation au Transport - Titre-restaurant Programmation: - Du Lundi au Vendredi - Repos le week-end - Travail en journée Types de primes et de gratifications: - Primes Lieu du poste : Télétravail hybride (75013 Paris 13e

{'salaire': [{'montant_min': 1000.0, 'montant_max': None, 'devise': '€', 'frequence_versement': 'mois'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

Mission principale : Vous travaillerez dans le cadre du projet PREDIVAR sur l'automatisation de l'interprétation des variants en génétique tumorale, en collaboration avec un bio-informaticien et un biologiste rattaché à l'Unité de Pathologie Moléculaire sur les missions suivantes : • Développer deux algorithmes d'automatisation d'interprétation des variants issus du séquençage haut débit, reposant en partie sur du machine learning et/ou deep learning. • Vous travaillerez en collaboration étroite avec les biologistes et pathologistes de l'unité de Pathologie Moléculaire du département de Biopathologie de l'Institut Bergonié. Activités spécifiques Extraction et structuration des données • Extraire les données nécessaires à l'analyse • Effectuer du data mining sur les données de littérature • Définir les règles de gestion et de structuration des différentes bases de données • Documenter les spécifications d'automatisation des règles de gestion en collaboration avec l'unité de bio... informatique de la DDSN • Maîtriser la qualité des données tout au long de leur traitement Elaborer un algorithme semi-automatisé • Un algorithme semi-automatisé d'interprétation des variants reposant sur un algorithme manuel élaboré par un groupe expert en génétique tumorale Elaborer un algorithme automatisé d'interprétation des variants en génétique tumorale à partir de sources de données structurées • Application de techniques de machine/deep learning pour l'interprétation automatique des variants génétiques Profil attendu : • Ingénieur informatique (biologie/santé) avec une spécialisation dans l'apprentissage automatique, master bio-informatique / data science ou IA avec une expérience en intelligence artificielle ≥ 3 ans, doctorat en sciences avec une thèse en intelligence artificielle, post-doctorant avec une expérience en IA • Une expérience dans le domaine de la santé, et en particulier en cancérologie serait un véritable atout • Une expérience en data mining est un vrai plus Compétences requises : Techniques • Expertise en algorithme et méthodes de machine / deep learning • Maitrise des bases de données et gestion des bases de données • Maitrise du langage de programmation (Python) • Environnement Linux • Compétences en analyses statistiques Aptitudes • Posséder le sens des responsabilités • Posséder le sens de la rigueur • Esprit de synthèse et grande méthode • Capacité d'adaptation • Travail en équipe • Autonomie Atouts du poste : • Accessibilité: transports en commun à proximité, places de parking, parking vélos sécurisé. • Prise en charge de l'abonnement transport en commun à 60% • Comité Social et Économique : chèques cadeaux, chèques rentrée scolaire, places de cinéma... • Restauration collective sur place avec tarif préférentiel (3,41€) Rémunération & organisation du poste : Contrat de 39h/semaine avec 22 RTT/an  Rémunération selon la grille de rémunération des CLCC, statut cadre, 38,5K € à 50K € par an selon expérience du candidat

{'salaire': [{'montant_min': 38500.0, 'montant_max': 50000.0, 'devise': '€', 'frequence_versement': 'an'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

iPepper recrute pour l'un de ses clients une PME éditeur de logiciel dans le domaine du voyage, un Data Engineer (H / F) passionné(e) et expérimenté(e) pour rejoindre une équipe dynamique. En tant qu'Ingénieur(e) Data, vous serez en charge d'extraire et de transformer des données, de construire et d'optimiser des pipelines de données, ainsi que de concevoir des visualisations de données intuitives et informatives. Responsabilités : • Concevoir, construire et maintenir des pipelines de données évolutifs et efficaces pour transférer des données entre des bases de données SQL et NoSQL. • Développer et mettre en œuvre des processus ETL pour extraire, transformer et charger des données à partir de différentes sources dans notre entrepôt de données. • Collaborer avec des équipes pluridisciplinaires pour comprendre les besoins en données et garantir la fourniture réussie de solutions de données. • Optimiser et ajuster les pipelines de données existants pour la performance et la... fiabilité. • Concevoir et développer des visualisations de données et des tableaux de bord pour fournir des insights exploitables aux parties prenantes. • Surveiller et résoudre les problèmes de pipelines de données, en veillant à la qualité et à l'intégrité des données. Profil recherché : • Diplôme universitaire en informatique, en ingénierie ou dans un domaine connexe. • Expérience avérée en tant que Data Engineer ou dans un rôle similaire, avec un accent particulier sur la construction de pipelines de données et de processus ETL. • Compréhension solide des bases de données SQL et NoSQL , y compris la modélisation des données et la conception de schémas. • Maîtrise des langages de programmation tels que Python, Java ou Scala. • Expérience avec des outils de visualisation de données tels que Tableau, Power BI. • Solides compétences en analyse et en résolution de problèmes, avec la capacité de traduire des données complexes en insights exploitables. • Excellentes compétences en communication et en collaboration, avec la capacité de travailler efficacement dans un environnement d'équipe pluridisciplinaire

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

La société:Média vidéoLes missions:Comparer et analyser la donnée.Être garant de la qualité de la donnée (être à l’aise avec des plans de marquage, comprendre comment les implémenter).Faire des analyses exploratoires afin de mieux comprendre l’usage de la plateforme par nos clients et les facteurs de rétention.Collaborer avec les équipes Tech / Marketing / Produit afin d’améliorer et optimiser les méthodes d’accès aux données pour l’équipe et l’organisation au global. Ton profil: Tu possèdes au moins 2 ans d'exp sur un poste de Data Analyst, dé préférence dans une startup / scaleupTu as une bonne connaissance de ces technos : SQL, DBT, BitqueryTu as un capacité analytique forte Les ++: TJM : 550/600Démarrage : ASAPDurée : 3 mois renouvelablesLieux : Télétravail / Paris

{'salaire': [{'montant_min': 550.0, 'montant_max': 600.0, 'devise': '€', 'frequence_versement': 'jour'}]}

Tu es un agent de traitement textuel. A partir d'une offre d'emploi tu dois structurer et normaliser les informations de salaire au format JSON selon les règles suivantes : - Pour un salaire indiqué comme minimum (ex. 'à partir de 30k'), définis-le comme 'montant_min'. - Si indiqué comme maximum (ex. 'jusqu'à 70000'), définis-le comme 'montant_max'. - En cas de montant unique, définis-le dans 'montant_min' et 'montant_max'. - Convertis tous les montants en format décimal y compris ceux exprimés en abréviations. Par exemple, "25k" ou "25ke" devient 25000.0. - En cas de fourchette de salaire (ex. 'entre 40k et 55ke/an'), segmente-la dans 'montant_min' (40000.0) et 'montant_max' (55000.0) respectivement. - 'frequence_versement' accepte des valeurs normalisées comme 'an', 'mois', 'semaine', 'jour', 'heure'. - 'devise' accepte les symboles standards '$', '€' et '£'. - En cas de manquement de la fréquence ou devise, suppose leur valeurs. - Si aucun montant explicites n'est mentionné, remplis tous les champs avec la valeur null. - Des expressions comme "Selon expérience", "A négocier", "Rémunération attractive, ect ne sont pas des montants explicites. Remplis null pour tous les champs. - Si plusieurs salaires ou fourchettes différentes sont détaillés, liste les toutes. Chaque salaire doit pouvoir etre entierement décrite dans son dictionnaire. - Privilégie les fourchettes détaillées aux salaire unique ou approximations. Par exemple, si une meme offre mentionne "salaire environ 35k" et ensuite "salaire entre 30 000 et 40 000", privilégie la seconde formulation. - N'essaye pas de convertir les montants dans d'autre unités que celle donné dans l'offre. - Assures toi que les informations extraites sont logiquement cohérentes (ex. 'montant_min' <= 'montant_max'). JSON schema :{"$defs": {"ItemSalaire": {"properties": {"montant_min": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Min"}, "montant_max": {"anyOf": [{"type": "number"}, {"type": "null"}], "default": null, "title": "Montant Max"}, "devise": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Devise"}, "frequence_versement": {"anyOf": [{"type": "string"}, {"type": "null"}], "default": null, "title": "Frequence Versement"}}, "title": "ItemSalaire", "type": "object"}}, "properties": {"salaire": {"items": {"$ref": "#/$defs/ItemSalaire"}, "title": "Salaire", "type": "array"}}, "required": ["salaire"], "title": "SchemaSalaire", "type": "object"} Commence immédiatement ta réponse en JSON valide après la prochaine offre d'emploi :

**Votre mission**: Adecco Marne La Vallée division tertiaire recrute un(e) assistant(e) DATA H/ en vue d'une mission prévue jusqu'à fin avril située à Ferrières en Brie. Vous prenez en charge la gestion de la saisie des données sur leurs bases et ERP et la communication des informations destinées aux acteurs de la chaîne d'approvisionnement. Vous réceptionnez et traitez les informations nécessaires à la mise à jour des bases de données ( prix/ produits/fournisseurs). Vous intégrez et assurez le suivi des données dans le système d'information en vérifiant leur cohérence. Vous transmettez les informations aux interlocuteurs concernés. Vous pilotez le processus de remontées d'anomalies des différentes bases logistiques. • *Votre profil**: De formation Bac +2 vous justifiez d'une première expérience similaire au sein d'un service supply chain idéalement approvisionnement et ou administration des ventes. Vous êtes reconnu(e) pour votre rigueur, votre esprit d'analyse et votre sens du... service. Vous disposez également d'une sensibilité au data management et à la getsion d'un ERP. Vous savez travailler avec des interlocuteurs variés en vous appuyant sur vos qualités relationnelles et votre adaptabilité. Une bonne maîtrise des outils informatiques est indispensable ( Excel niveau avancé). • *A propos de nous**: Premier réseau d'agences d'emploi en France, Adecco a développé un savoir-faire unique de proximité et met toutes ses compétences à votre service. Nos équipes sont présentes sur tout le territoire, avec plus de 900 agences. Quel que soit le contrat que vous cherchez : CDI, CDD, Intérim, CDI Intérimaire, CDI Apprenant ou alternance, nos experts travaillent chaque jour, pour vous guider vers ce qui vous correspond. Dès maintenant, devenez acteur de votre vie

{'salaire': [{'montant_min': None, 'montant_max': None, 'devise': None, 'frequence_versement': None}]}