Ml Engineer H/F

Nextonrecrute
Paris, France
24 days ago

Role details

Contract type
Permanent contract
Employment type
Full-time (> 32 hours)
Experience level
Expert
Working hours
Regular working hours

Tech stack

Artificial Intelligence Airflow Amazon Web Services Amazon Elastic Compute Cloud Amazon S3 Cloud Computing Databases Continuous Integration Relational Databases Linux Amazon DynamoDB Python (Programming Language)
+27 more
Machine Learning NumPy Ansible Software Engineering Management of Software Versions Jupyter Notebook Planning Software Feature Engineering Pytorch Snowflake Apache Spark Boto3 Jupyter Git Fastapi Pandas Matplotlib Gitlab-ci Scikit Learn ONNX (Open Neural Network Exchange) Format Xgboost AWS Fargate Data Management Machine Learning Operations Functional Programming Terraform Docker

Job description

Tu seras intégré à l’équipe AI Product au sein de la direction DATA d’un grand groupe multimédia d’envergure internationale. Cette direction a pour mission d’équiper le groupe avec les outils nécessaires pour maximiser l’utilisation des données, améliorer l’expérience client et favoriser une approche data-driven.

Tu évolueras dans un environnement scale-up stimulant : nos applications sont utilisées par des millions d’abonnés à travers divers devices (iOS, Android, décodeurs, etc.) et génèrent une quantité massive de logs (des dizaines de To par jour) pour alimenter nos modèles de machine learning., Au sein de nos équipes d’experts, tes missions seront les suivantes :

  • Développement de modèles ML : Concevoir, entraîner et évaluer des modèles de machine learning adaptés à des cas d’usage variés (recommandation, segmentation, scoring, prédiction, détection d’anomalies, NLP, etc.).
  • MLOps & industrialisation : Mettre en oeuvre les bonnes pratiques MLOps pour assurer le versioning, le suivi des expérimentations, le déploiement et le monitoring des modèles en production.
  • Conception de pipelines de données : Construire et maintenir des pipelines de traitement de données robustes, scalables et automatisés, en s’appuyant sur les services AWS et les outils de l’écosystème.
  • Feature Engineering & Feature Store : Contribuer à l’alimentation et à l’évolution du Feature Store commun, en garantissant la qualité, la réutilisabilité et la cohérence des features produites.
  • Collaboration transverse : Travailler en étroite collaboration avec les équipes Data Engineering, les équipes métier et les product owners pour comprendre les besoins et livrer des solutions à forte valeur ajoutée.
  • Veille & innovation : Assurer une veille active sur les nouvelles techniques et outils IA/ML et proposer des améliorations continues des pratiques et des architectures en place.

Requirements

De formation supérieure en informatique, data science ou équivalent, tu es un consultant Data Scientist orienté ML Engineering, alliant une solide expertise en science des données et de fortes compétences en ingénierie logicielle et infrastructure. Tu possèdes une expérience significative dans le développement de modèles de machine learning ainsi que dans leur industrialisation et leur mise en production à grande échelle.Tes qualités et compétences techniques sont les suivantes :Python : Maîtrise de Python 3.x, boto3, poetry, FastAPI, pydantic, Jupyter Notebooks.Data Science & ML : Polars/Pandas, NumPy, PyTorch, ONNX, Scikit-learn, XGBoost, LightGBM, Seaborn, Matplotlib.MLOps : MLFlow, DVC, Feast, BentoML, Triton Inference Server, ONNX Runtime ou équivalent.Data Engineering : Spark, Airflow, dbt.Cloud & Infrastructure : AWS (S3, Glue, SageMaker, Lambda, Kinesis, DynamoDB, EC2), Terraform, Docker, ECS Fargate, Ansible, Linux.Versionning & CI/CD : Git, GitLab CI/CD.Bases de données : Snowflake.Tes qualités et compétences transverses sont les suivantes :Esprit d’analyse et de résolution de problèmes : Capacité à concevoir des solutions robustes et scalables adaptées à des volumes massifs de données.Communication et collaboration : Aptitude à collaborer efficacement au sein d’équipes pluridisciplinaires et à échanger avec des profils techniques et métiers.Autonomie et proactivité : Capacité à naviguer de manière autonome entre la conception IA/ML, la construction de pipelines et le déploiement cloud.Curiosité technique et innovation : Intérêt prononcé pour la veille technologique et l’amélioration continue des architectures en place., De formation supérieure en informatique, data science ou équivalent, tu es un consultant Data Scientist orienté ML Engineering, alliant une solide expertise en science des données et de fortes compétences en ingénierie logicielle et infrastructure. Tu possèdes une expérience significative dans le développement de modèles de machine learning ainsi que dans leur industrialisation et leur mise en production à grande échelle.

Tes qualités et compétences techniques sont les suivantes :

  • Python : Maîtrise de Python 3.x, boto3, poetry, FastAPI, pydantic, Jupyter Notebooks.
  • Data Science & ML : Polars/Pandas, NumPy, PyTorch, ONNX, Scikit-learn, XGBoost, LightGBM, Seaborn, Matplotlib.
  • MLOps : MLFlow, DVC, Feast, BentoML, Triton Inference Server, ONNX Runtime ou équivalent.
  • Data Engineering : Spark, Airflow, dbt.
  • Cloud & Infrastructure : AWS (S3, Glue, SageMaker, Lambda, Kinesis, DynamoDB, EC2), Terraform, Docker, ECS Fargate, Ansible, Linux.
  • Versionning & CI/CD : Git, GitLab CI/CD.
  • Bases de données : Snowflake.

Tes qualités et compétences transverses sont les suivantes :

  • Esprit d’analyse et de résolution de problèmes : Capacité à concevoir des solutions robustes et scalables adaptées à des volumes massifs de données.
  • Communication et collaboration : Aptitude à collaborer efficacement au sein d’équipes pluridisciplinaires et à échanger avec des profils techniques et métiers.
  • Autonomie et proactivité : Capacité à naviguer de manière autonome entre la conception IA/ML, la construction de pipelines et le déploiement cloud.
  • Curiosité technique et innovation : Intérêt prononcé pour la veille technologique et l’amélioration continue des architectures en place.

EUR

Ansible Machine learning Intelligence artificielle SGBD AWS Gestion des données Git Méthodes d’amélioration OMQ Pro-activité Veille technologique Python Autonomie Terraform Amélioration continue Logiciels de gestion de versions Docker Esprit d’analyse

About the company

Rejoindre NEXTON, c’est intégrer une entreprise où convergent l’esprit d’un cabinet de conseil, la créativité d’une Factory et la dynamique d’une ESN ! Grâce à notre expertise, nous accompagnons des clients grands comptes et des pure players tels que SNCF, Orange, et BNP Paribas dans leurs stratégies d’évolution et d’innovation digitale.

Fondée en 2011, NEXTON réunit aujourd’hui une équipe de plus de 450 experts spécialisés dans le digital, le design, l’agilité, le produit et le développement. Ensemble, ils créent un écosystème riche en connaissances et en compétences diversifiées., Qui sommes-nous ?Rejoindre NEXTON, c’est intégrer une entreprise où convergent l’esprit d’un cabinet de conseil, la créativité d’une Factory et la dynamique d’une ESN ! Grâce à notre expertise, nous accompagnons des clients grands comptes et des pure players tels que SNCF, Orange, et BNP Paribas dans leurs stratégies d’évolution et d’innovation digitale.Fondée en 2011, NEXTON réunit aujourd’hui une équipe de plus de 450 experts spécialisés dans le digital, le design, l’agilité, le produit et le développement. Ensemble, ils créent un écosystème riche en connaissances et en compétences diversifiées.

Apply for this position

This job is hosted externally. Click below to view the full posting and apply.

Apply on www.hellowork.com

Good distractions

Talks and stories from around this role — technically off-topic, practically not.

2:34 min

Maximizing execution memory effectively via python numpy broadcasting

Jodie Burchell · LIVE

1:12 min

Validating risky service requests safely via dry runs

Modood Alvi · WWC 2025

6:21 min

Investigating push inefficiencies with upstream Git experts

Jonathan Creamer · Coffee With Developers

3:14 min

Structuring career paths and localized data architectures

Ulrich Wurstbauer +1 · LIVE

1:25 min

Replacing NumPy with cuPy for straightforward GPU acceleration

Paul Graham Paul Graham · WWC 2025

1:34 min

Bringing diverse skills to industrial data science roles

Katja Träumner

Videos

See all

Related articles

See all