En un coup d'œil
- Missions: Revue et audit des annotations financières pour garantir la qualité des données AI.
- Entreprise: Mistral, une entreprise innovante spécialisée dans les solutions AI.
- Avantages: Avantages compétitifs incluant couverture santé, congés parentaux et programmes de bien-être.
- Autres infos: Environnement dynamique avec opportunités de croissance professionnelle.
- Pourquoi ce job: Contribuez à des projets AI impactants tout en développant vos compétences analytiques.
- Qualifications: Diplôme en finance et expérience professionnelle dans le domaine financier.
Le salaire estimé est compris entre 61650 - 75350 € par an.
À propos de Mistral
Mistral fournit des solutions d'IA full-stack : des modèles de pointe aux outils pour développeurs, applications et calcul. Nous collaborons avec des entreprises pour résoudre les problèmes les plus difficiles dans des secteurs à enjeux élevés tels que la finance, la fabrication, la défense, la santé et le secteur public, co-créant des systèmes d'IA personnalisés qu'elles peuvent gérer selon leurs propres termes. Nous sommes une équipe dynamique et collaborative passionnée par l'IA et son potentiel à transformer la société. Notre main-d'œuvre diversifiée prospère dans des environnements compétitifs et s'engage à stimuler l'innovation. Nos équipes sont réparties entre l'Europe, l'Amérique du Nord, l'Asie et le Moyen-Orient. Nous sommes créatifs, humbles et animés par l'esprit d'équipe.
Résumé du rôle
Nous recherchons des analystes de qualité des données très motivés, dotés de solides compétences analytiques et d'un sens aigu du détail pour rejoindre notre équipe d'annotation de données humaines au sein de l'organisation Science. Il s'agit d'un rôle hybride de révision de qualité et d'outillage : vous passerez la majorité de votre temps à examiner et auditer les annotations financières (tous sous-domaines) selon des rubriques pour garantir que les données utilisées pour former et évaluer les modèles d'IA répondent aux normes les plus élevées de qualité et d'efficacité, et le reste du temps à construire, maintenir et dépanner les opérations d'annotation. Vous collaborerez étroitement avec les annotateurs, le responsable de programme technique et les parties prenantes scientifiques, et contribuerez à affiner les directives et les processus qui façonnent la manière dont nos données sont produites.
Responsabilités clés
- En collaboration avec l'équipe technique, examiner/auditer les annotations, clarifier les exigences, partager des idées, faire remonter des problèmes systémiques, des cas limites et des lacunes dans les directives, afin d'améliorer les processus et les directives d'annotation.
- Générer et valider des annotations de données orientées finance de haute qualité vous-même si nécessaire, en fonction des directives et des retours continus, pour le développement et l'évaluation des modèles d'IA.
- Construire et maintenir des outils internes et des automatisations qui rationalisent les flux de travail d'annotation ou de révision tels que des tableaux de bord de visualisation, des scripts de configuration par lots, des utilitaires de gestion des sorties, et similaires.
- Dépanner les problèmes de campagne (par exemple, outils, directives) pour les annotateurs.
- Organiser la formation des annotateurs et coordonner les retours entre annotateurs et réviseurs.
À propos de vous
- Un diplôme (niveau minimum Master) dans une discipline financière.
- Au moins 3 ans d'expérience professionnelle dans le domaine financier.
- Compétences analytiques et de recherche exceptionnelles.
- Une certaine familiarité avec les langages de programmation, avec la capacité de lire des formats de sortie standard tels que les fichiers .jsonl.
- Exerce un bon jugement avec des instructions complexes, des données limitées et/ou plusieurs sources d'informations et capacité à faire remonter des cas limites, des ambiguïtés ou des lacunes dans les directives en conséquence.
- Excellentes compétences en communication, interpersonnelles et organisationnelles.
- S'adapte facilement aux environnements dynamiques et aux exigences changeantes.
- Appétit pour le travail opérationnel et grande tolérance pour les tâches répétitives avec un focus soutenu et une précision sur un travail de révision détaillé et à fort volume.
- Compétence professionnelle en anglais, avec de fortes compétences en rédaction et en compréhension.
Atouts
- Familiarité avec les concepts d'évaluation basés sur des rubriques, l'accord entre annotateurs ou la mesure de la qualité des données étiquetées par des humains.
- Expérience dans la constitution d'une équipe d'annotation par le biais d'entretiens et de formations.
- Compétent dans au moins un langage de programmation (par exemple, Python).
- Expérience antérieure dans l'annotation de données pour l'IA/ML, en particulier la formation de LLM (SFT, RLHF, données de préférence), évaluations/bancs d'essai ou données agentiques.
- À l'aise pour travailler dans un terminal de type Unix et utiliser des flux de travail git (branches, fusions, résolution de conflits).
Ce que nous offrons
Nous offrons un ensemble complet d'avantages conçu pour soutenir votre bien-être, votre croissance et votre équilibre travail-vie personnelle. Les avantages varient selon le pays et peuvent inclure une couverture santé, un congé parental, des plans de retraite, un soutien à la relocalisation, des programmes de bien-être, des allocations de repas et de transport, et d'autres avantages spécifiques à l'emplacement. Pour les détails les plus récents sur les avantages disponibles dans votre région, veuillez consulter notre page des avantages.
Politique de confidentialité
Votre vie privée est importante pour nous. Vous pouvez en savoir plus sur la manière dont nous traitons vos données personnelles dans notre Politique de confidentialité des candidats.
Finance Data Annotation Quality Analyst in Paris employeur : Mistral
Mistral est un employeur de choix, offrant un environnement de travail dynamique et inclusif où chaque membre de l'équipe peut s'épanouir. Avec des opportunités de croissance professionnelle et un engagement envers le bien-être des employés, vous aurez la chance de contribuer à une fonction RH innovante tout en bénéficiant d'une culture d'entreprise collaborative. Situé dans des régions clés comme la France, le Royaume-Uni et les États-Unis, Mistral valorise la diversité et l'excellence, rendant chaque jour de travail significatif et gratifiant.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Finance Data Annotation Quality Analyst in Paris
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de Mistral
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Mistral. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Finance Data Annotation Quality Analyst in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez Mistral, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à Mistral que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez Mistral. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez Mistral
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de Mistral et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
