Senior MLOps Engineer H/F

Nous recherchons un(e) Senior MLOps Engineer pour rejoindre une équipe Data & IA et contribuer à la conception, l’industrialisation et l’évolution d’une plateforme Machine Learning à l’échelle internationale.

L’objectif : fournir aux Data Scientists et ML Engineers une plateforme performante, automatisée et sécurisée, facilitant l’entraînement, le déploiement et le suivi des modèles de Machine Learning en production., Concevoir et administrer les infrastructures d’entraînement et d’inférence ML sur AWS et GCP, notamment avec des ressources GPU et des clusters auto-scalables.

• Industrialiser et faire évoluer les plateformes MLOps via Terraform et l’Infrastructure as Code.
• Développer et automatiser des pipelines CI/CD/CT pour l’entraînement, la validation, le déploiement et l’évaluation des modèles.
• Administrer les outils de suivi des expérimentations et de gestion du cycle de vie des modèles : MLflow, Model Registry et Feature Store.
• Mettre en place le monitoring des modèles en production, notamment pour détecter les dérives des données et des modèles.
• Définir les standards, templates et bonnes pratiques MLOps afin de faciliter l’adoption de la plateforme.
• Accompagner les Data Scientists et ML Engineers dans leur utilisation des solutions, assurer la documentation et partager les bonnes pratiques.
• Réaliser une veille technique sur les frameworks et outils MLOps.

Profil recherchéCompétences recherchéesExpérience : sur un poste MLOps Engineer, ML Engineer ou Platform/DevOps Engineer appliqué au Machine Learning.Cloud : expertise sur AWS et GCP.MLOps : maîtrise du cycle de vie complet des modèles ML, de l’expérimentation à la production.MLflow : tracking des expérimentations et gestion des modèles via Model Registry.Infrastructure & Compute : Terraform, Docker, Kubernetes et gestion des ressources GPU.Data & Orchestration : Databricks et Airflow.CI/CD : Git et GitHub Actions.Soft skills : pédagogie, autonomie, esprit collaboratif et excellent relationnel.Anglais : niveau courant requis pour évoluer dans un environnement international.

Mais aussi…

Taux journalier :530.css-11k7fwb{display:inline-block;white-space:nowrap;vertical-align:middle;-webkit-padding-start:var(–chakra-space-1-5);padding-inline-start:var(–chakra-space-1-5);-webkit-padding-end:var(–chakra-space-1-5);padding-inline-end:var(–chakra-space-1-5);text-transform:none;font-size:var(–chakra-fontSizes-xs);border-radius:var(–chakra-radii-md);font-weight:var(–chakra-fontWeights-semibold);background:var(–chakra-colors-success-200);color:var(–chakra-colors-success-700);box-shadow:var(–badge-shadow);padding:4px 6px;–badge-bg:var(–chakra-colors-success-100);–badge-color:colors.success.800;}.chakra-ui-dark .css-11k7fwb:not([data-theme]),[data-theme=dark] .css-11k7fwb:not([data-theme]),.css-11k7fwb[data-theme=dark]{–badge-bg:rgba(226, 243, 232, 0.16);–badge-color:var(–chakra-colors-success-200);}Cette offre est à 0% de commission .css-74lrwu{width:1em;height:1em;line-height:1em;-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;color:currentColor;font-size:16px;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-transition:.1s ease-in-out color;transition:.1s ease-in-out color;}.css-74lrwu *{-webkit-transition:.1s ease-in-out fill;transition:.1s ease-in-out fill;fill:var(–chakra-colors-rythm-600);}, * Expérience : sur un poste MLOps Engineer, ML Engineer ou Platform/DevOps Engineer appliqué au Machine Learning.

• Cloud : expertise sur AWS et GCP.
• MLOps : maîtrise du cycle de vie complet des modèles ML, de l’expérimentation à la production.
• MLflow : tracking des expérimentations et gestion des modèles via Model Registry.
• Infrastructure & Compute : Terraform, Docker, Kubernetes et gestion des ressources GPU.
• Data & Orchestration : Databricks et Airflow.
• CI/CD : Git et GitHub Actions.
• Soft skills : pédagogie, autonomie, esprit collaboratif et excellent relationnel.
• Anglais : niveau courant requis pour évoluer dans un environnement international.

EUR

Machine learning Anglais Conception de templates et maquettes Pédagogie Google cloud platform AWS Git Sens du relationnel Kubernetes Autonomie Terraform Monitoring Docker