Data Quality Engineer

Data Quality Engineer

Avril recrute un (une) Data Quality Engineer à 2 A 4 AVENUE DE KERLANN, CS 17228, BRUZ, 35170, France (CDD).

Missions

Projet 1 – Jumeau numérique d’un procédé de fermentation (entité ATV)

• Concevoir un jumeau numérique de la fermentation biphasique pour la production de glycolipides (MEL).
• Structurer et préparer les jeux de données provenant des campagnes de fermentation (mesures en ligne et hors ligne) : imputation, mise à l’échelle, feature engineering.
• Développer des modèles prédictifs (réseaux de neurones, forêts aléatoires, SVM…) pour la quantité de MEL produite en fonction des paramètres de fermentation.
• Contribuer à la mise en place de modèles cinétiques (équations différentielles, Monod / Michaelis‑Menten) décrivant la croissance cellulaire, la consommation des substrats et la production.
• Combiner modèle mécanique et apprentissage au sein d’un jumeau numérique afin de simuler différentes stratégies de conduite et de soutenir la prise de décision.
• Évaluer la performance des modèles (MSE, MAE, R²) et garantir la reproductibilité des résultats (versionnage du code et des données).

Projet 2 – Valorisation de données sur parcelles agricoles

• Réalisé des analyses descriptives des données collectées pour qualifier les sources (complétude, cohérence, fiabilité).
• Concevoir des algorithmes de nettoyage automatique des données brutes (détection d’anomalies, harmonisation, contrôles de cohérence).
• Développer des algorithmes prédictifs pour combler les données manquantes (imputation).
• Restituer les résultats de manière claire et pédagogique aux équipes métiers et aux coopératives.

Qualifications

• Diplôme Bac +5 en data science, statistiques, mathématiques appliquées ou équivalent.
• Expérience de stage, alternance ou projet en science des données.
• Connaissance de la modélisation machine learning (réseaux de neurones, forêts aléatoires, SVM).
• Expérience avec un ou plusieurs langages Python (pandas, scikit‑learn) ou R.
• Compétences en préparation et nettoyage de données, feature engineering, gestion des valeurs manquantes.
• Bonne pratique de reproductibilité et versionnage (Git).
• Appétence pour les procédés industriels, biotechnologie ou agronomie est un plus.

Compétences techniques

• Visualisation de données et restitution claire des résultats.
• Maîtrise de la modélisation cinétique (Monod, Michaelis‑Menten).
• Connaissance des modèles de prédiction (réseaux, forêts, SVM).
• Compétences en Python (pandas, scikit‑learn) ou R, versionnage Git.

Compétences personnelles

• Capacité à vulgariser des sujets complexes vers des interlocuteurs non spécialistes.
• Curiosité, autonomie, esprit d’analyse.
• Esprit de travail collaboratif et transversal, interaction avec équipes métiers et partenaires.

Égalité des chances

Avril s’engage à construire un environnement inclusif de toutes les diversités. Nous assurons l’égalité des chances dans nos processus de recrutement et d’intégration et veillons à ce que vous puissiez être vous-même dans votre environnement professionnel.