Ml Ops - Engineer H/F

Vous aurez un rôle transverse entre l’équipe Software et l’équipe Data Science de SkillCorner. Votre rôle sera de faciliter le développement et la mise en production des algorithmes développés par l’équipe data.

Vos principales missions seront:

• Mise en place d’outils permettant aux data scientists de entrainer/tester leurs algorithmes à l’échelle de la production (Reproductibilité).
• Gestion du cycle de vie complet des projets ML : modèle, données et code.
• Optimisation des algorithmes et des réseaux de neurones pour réduire les temps de calcul ou les coûts cloud.
• Accompagner les data scientists dans l’adoption de bonnes pratiques.
• Acquérir des connaissances en tant que “video engineer”, À propos SkillCorner collecte de la data sportive de manière 100% automatique à partir d’une simple vidéo de match de sport professionnel.La société, aujourd’hui leader mondial dans son domaine d’expertise, développe des algorithmes de Computer Vision et de Machine Learning qui permettent de détecter tous les objets mouvants (chaque joueur, le ballon et l’arbitre) sur l’image, de les localiser sur le terrain, de les suivre image après image et de les reconnaître. A partir de ces données brutes, SkillCorner produit des indicateurs de performance, d’intelligence de jeu et des visualisations qui sont utilisés par les clubs, les fédérations nationales et les agences de joueurs.SkillCorner couvre plus de 150 compétitions (féminines et masculines) et possède plus de 100 milliards de points de données sur plus de 100 000 joueurs professionnels. Plus de 250 équipes de football, de basketball et de football américain à travers le monde utilisent quotidiennement sa donnée à des fins de recrutement, d’analyses de jeu et de l’adversaire.

Data Science: Python, Tensorflow, Onnx, Pytorch, TensorRT

• Infra/Devops : AWS (EC2, EKS, RDS, Lambda) + Docker + Grafana
• Back-end: Django

• Front-end: Angular, Profil recherché Must HaveConnaissances sur les outils et technologies suivants: Docker, EKS, Steps Function/ Autres orchestrateursSolides compétences en programmation, particulièrement en Python.Solide compréhension théorique et pratique du Machine Learning (ML).Expertise des frameworks : TensorFlow, ONNX, PyTorch, TensorRT, et de l’écosystème CUDA.Expérience(s) sur un ou plusieurs services cloud (AWS, GCP, Azure)À l’aise avec Linux et GitÉnorme motivation, dynamisme, et envie de participer au développement d’une startup techNice to HaveMaîtrise de la structuration de projets Python : pre-commit, CI/CD avec GitLab, gestion des dépendances (UV/Poetry), et tests unitaires (pytest).Expérience concrète dans le cycle complet d’optimisation d’un modèle, depuis l’optimisation pendant l’entraînement jusqu’à l’inférence accélérée avec TensorRTAvoir une première experience avec le language de programmation RustIntérêt pour la vision par ordinateur + Experience dans le domaine de la video (réel +)Intérêt pour le sport et volonté de construire les meilleurs produits pour révolutionner l’industrieToute connaissance footballistique ou fléchettistique ( pause déjeuner) sera appréciée Process de recrutement 1 Un premier échange téléphonique rapide juste après votre candidature2 Un entretien approfondi avec l’équipe3 Un entretien technique incluant une étude de cas à présenter Informations complémentaires Type de contrat : CDI Lieu : Paris Expérience : > 1 anTélétravail partiel possible, * Connaissances sur les outils et technologies suivants: Docker, EKS, Steps Function/ Autres orchestrateurs

• Solides compétences en programmation, particulièrement en Python.
• Solide compréhension théorique et pratique du Machine Learning (ML).
• Expertise des frameworks : TensorFlow, ONNX, PyTorch, TensorRT, et de l’écosystème CUDA.
• Expérience(s) sur un ou plusieurs services cloud (AWS, GCP, Azure)
• À l’aise avec Linux et Git
• Énorme motivation, dynamisme, et envie de participer au développement d’une startup tech

Nice to Have

• Maîtrise de la structuration de projets Python : pre-commit, CI/CD avec GitLab, gestion des dépendances (UV/Poetry), et tests unitaires (pytest).
• Expérience concrète dans le cycle complet d’optimisation d’un modèle, depuis l’optimisation pendant l’entraînement jusqu’à l’inférence accélérée avec TensorRT
• Avoir une première experience avec le language de programmation Rust
• Intérêt pour la vision par ordinateur + Experience dans le domaine de la video (réel +)
• Intérêt pour le sport et volonté de construire les meilleurs produits pour révolutionner l’industrie
• Toute connaissance footballistique ou fléchettistique ( pause déjeuner) sera appréciée

Process de recrutement

1 Un premier échange téléphonique rapide juste après votre candidature

2 Un entretien approfondi avec l’équipe

3 Un entretien technique incluant une étude de cas à présenter, Machine learning AWS Dynamisme Linux Grafana Git Python Programmation TensorFlow Docker

SkillCorner collecte de la data sportive de manière 100% automatique à partir d’une simple vidéo de match de sport professionnel.

La société, aujourd’hui leader mondial dans son domaine d’expertise, développe des algorithmes de Computer Vision et de Machine Learning qui permettent de détecter tous les objets mouvants (chaque joueur, le ballon et l’arbitre) sur l’image, de les localiser sur le terrain, de les suivre image après image et de les reconnaître. A partir de ces données brutes, SkillCorner produit des indicateurs de performance, d’intelligence de jeu et des visualisations qui sont utilisés par les clubs, les fédérations nationales et les agences de joueurs.

SkillCorner couvre plus de 150 compétitions (féminines et masculines) et possède plus de 100 milliards de points de données sur plus de 100 000 joueurs professionnels. Plus de 250 équipes de football, de basketball et de football américain à travers le monde utilisent quotidiennement sa donnée à des fins de recrutement, d’analyses de jeu et de l’adversaire.