Les challenges de l'intelligence artificielle et du machine learning vous attirent et tout particulièrement ceux dans le secteur de l'automobile ? Vous désirez intégrer une entreprise de renommée internationale et participer à un projet IA ambitieux afin d'acquérir une expérience enrichissante ? C'est le moment de nous rejoindre, car nous recherchons notre futur/e stagiaire Machine Learning & Data Science H/F, pour une durée de 6 mois, au Plessis-Robinson (92). Le contexte ? DEKRA est un leader mondial des services pour l'industrie automobile, offrant des solutions innovantes aux constructeurs, loueurs et distributeurs à travers le monde. Au sein de DEKRA Automotive Solutions France – Fleet & Remarketing, nous développons des outils digitaux avancés et proposons des solutions à nos clients pour optimiser la recommercialisation des véhicules d'occasion (VO). Grâce à une grande richesse en données, nous avons pour ambition de concevoir un Decision Support System (DSS) intégrant des modèles d'intelligence artificielle et de machine learning pour améliorer la prédiction des prix, la demande, les recommandations et l'optimisation des flux VO. Votre rôle ? Au sein de notre équipe projet, vous serez responsable du développement des modèles de machine learning et d'intelligence artificielle pour l'optimisation de notre activité remarketing. Vos missions ? • Analyser les enjeux métier et comprendre les besoins spécifiques du secteur automobile et de la recommercialisation VO • Explorer et préparer les données issues de diverses sources pour assurer la qualité et la pertinence des modèles • Développer, entraîner et évaluer des modèles prédictifs (pricing dynamique, forecast de la demande, scoring, recommandations, segmentation clients, etc.) • Optimiser et industrialiser les modèles pour les rendre exploitables en production • Collaborer avec les équipes métier et techniques afin de proposer des solutions pragmatiques et adaptées aux besoins • Participer à l'ensemble du cycle de vie du projet IA : de la définition du problème à la mise en production