[réf. h23878721] Stage - Data Science Cybersécurité F/H - Orange
Description du poste
Vos missions:
Le CyberSOC est une organisation composée d'analystes en cybersécurité chargés de la détection et de la réponse aux incidents de sécurité pour le compte de nos clients grands compte. Vous intégrez une équipe mixte composée à la fois d'experts en cybersécurité et de data scientists qui développent des cas d'usage autour de la cybersécurité.
Après vous être familiarisé.e avec l'environnement de travail et les missions, vous prendrez part aux activités de l'équipe et participerez activement à son animation et au développement de nouvelles missions.
Au cours de votre stage, vous participerez au développement et/ou à la mise en production d'un cas d'usage data science dans le domaine de la cybersécurité et dans un environnement Big Data.
Pour se faire, vous serez amené.e à :
- Explorer et analyser les données afin de construire des graphiques et la base de données nécessaire à l'entrainement des modèles de machine learning ;
- Développer et/ou industrialiser des pipelines de traitements de données ;
- Développer des modèles de machine learning ;
- Développer des dashboards restituant les résultats des analyses ad 'hoc.
Description du profil
Vos atouts et compétences clés pour le poste :
En cours de formation BAC+5 en Data Science, vous avez une appétence pour le domaine de la cybersécurité.
Curieux.se, organisé.e, autonome et doté.e d'un bon relationnel, vous avez envie d'évoluer au sein d'une équipe travaillant sur des projets majeurs, pour des clients grands comptes, dans un contexte de Cyberdéfense qui ne cesse de croître.
Le stack technique du poste sera la suivante :
- Développement en Python : principales librairies de processing (pySpark, pandas), de Machine Learning (scikit-learn, prophet, keras, tensor flow...) et de visualisation (matplotlib, seaborn...).
- Développement en Scala : Spark et MLLib.
- Compétences Big Data : technologie Spark et traitements de données distribués.
- Compétences en LLM (prompt engineering, RAG, base de données vectorielles, NLP)
- Appétence pour l'algorithmie.
- Connaissances des principales techniques de machine learning (apprentissage supervisé, apprentissage non-supervisé, NLP, réseau de neurones, apprentissage par renforcement).
- Connaissance des concepts DevOps et outils associés (Docker, Git).
- Linux.
- Appétence pour la data visualisation.