Data Engineer Sénior - Morphome
Contexte
Mission consistant à développer une solution permettant aux chercheurs de transformer leurs analyses exploratoires en traitements fiables et réutilisables.
Missions
Développer une solution logicielle pour la transformation d?analyses exploratoires en traitements fiables et réutilisables
Collaborer avec des chercheurs et un Data Scientist dans un contexte de recherche
Monter en compétence rapidement sur les outils spécifiques du projet
Assurer la communication claire avec des profils non techniques
Outils & Environnement & Compétences obligatoires
Maîtrise de GCP : GKE, IAM, GCS, Big
Query
Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d'intégration
Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines)
SQL, modélisation de données et définition de contrats de données (data contracts)
Expérience cloud avec adaptation de modules Terraform existants (pas nécessairement de conception from scratch, mais capacité à faire évoluer un Ia
C existant)
Réalisation agentique concrète : appels d'outils/API, gestion des erreurs, dans le cadre d'un projet réel ou d'un démonstrateur
Compétences appréciées (Nice-to-have)
Agents IA déjà déployés en production
MCP, Claude Code
Git
Lab CI
Vertex AI / KFP et MLOps avancé
Analyse statique de code Python (AST/LSP)
Connaissances en imagerie médicale et histopathologie
Soft skills
Autonomie et rigueur
Communication claire, notamment avec des profils non techniques (chercheurs) et le Data Scientist
Capacité à monter en compétence rapidement sur les outils spécifiques du projet
Esprit de collaboration dans un contexte de recherche
Profil candidat:
Maîtrise de GCP : GKE, IAM, GCS, Big
Query
Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d'intégration
Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines)
SQL, modélisation de données et définition de contrats de données (data contracts)
Expérience cloud avec adaptation de modules Terraform existants
Une première réalisation agentique concrète : appels d'outils/API, gestion des erreurs, dans le cadre d'un projet réel ou d'un démonstrateur
Autonomie et rigueur
Communication claire, notamment avec des profils non techniques (chercheurs) et le Data Scientist
Capacité à monter en compétence rapidement sur les outils spécifiques du projet
Esprit de collaboration dans un contexte de recherche