Stage de Fin d'Étude Data Engineer H/F - 59

AIRFLUX est spécialiste en solutions de gestion de la production d'utilités industrielles depuis presque 40 ans.

Nous sommes fiers de porter les valeurs d'AIRFLUX : la passion, l'équipe, le respect et la performance.

Notre expertise se concentre sur les domaines suivants : air comprimé industriel, vide industriel et médical, production d'azote et d'eau glacée sur site, gestion des énergies dans l'usine.

Notre engagement principal repose essentiellement sur l'innovation permanente et la satisfaction durable de nos clients.

Notre siège social se situe à Lille et nous assurons un service de proximité sur toute la France métropolitaine grâce à nos 32 points de service répartis sur le territoire national.Tu es à la recherche d'un stage de fin d'étude dans le domaine de la data ?

Airflux te propose un stage Data Engineer où tu joueras un rôle clé dans le développement et l'optimisation de nos pipelines de données, tout en participant à l'intégration des modèles d'intelligence artificielle et à la valorisation de nos données pour les équipes internes.

Tes missions seront de :

- Participer à la mise en place de pipelines ETL/ELT afin d'extraire les données, les transformer et charger les données provenant de sources multiples.
- Assurer la qualité et la sécurité des données en mettant en place des contrôles de qualité et des nettoyages des données de manière automatisée, tout en assurant la conformité avec les réglementations type RGPD ainsi que la sécurité de l'accès aux données.
- Possibilité de participer à la conception et à la gestion d'architecture de données dans le cadre du modèle de génération des contrats pour la mise en forme d'un dataset exploitable.
- Optimiser les performances en cherchant à améliorer les systèmes de données, notamment en optimisant des requêtes SQL et les temps de traitement de celles-ci.
- Assurer une veille technologique et innovation afin d'intégrer continuellement de nouvelles technologies de types cloud, conteneurs ou MLOps, afin de moderniser les systèmes de gestion de données.
- Intégrer des modèles IA dans des pipelines de données, assurer la scalabilité et la fiabilité des flux utilisés pour l'entraînement et l'inférence en collaboration pour le déploiement de modèles.