Localisation : Paris / Lille
Durée : mission longue, supérieure à 6 mois
Démarrage : dès que possible
Dans le cadre du développement d’une Data Factory, nous recherchons un Senior MLOps Engineer pour renforcer l’industrialisation, le déploiement et l’exploitation de modèles Machine Learning à grande échelle.
Le consultant interviendra sur des environnements Cloud AWS et GCP et contribuera à la construction et à l’évolution d’une plateforme MLOps utilisée par les équipes Data Science et Machine Learning.
Missions
Concevoir et industrialiser des pipelines MLOps de bout en bout.
Automatiser les phases de training, validation, déploiement et continuous training.
Déployer et exploiter des modèles Machine Learning en production.
Gérer le cycle de vie des modèles avec MLflow, Model Registry et les outils associés.
Construire et maintenir les infrastructures nécessaires aux workloads ML et GPU.
Déployer et administrer les environnements conteneurisés avec Docker et Kubernetes.
Automatiser le provisioning des infrastructures avec Terraform.
Mettre en place les pipelines CI/CD dédiés aux workloads ML.
Contribuer au monitoring des modèles, à la détection de drift et à l’observabilité des plateformes.
Optimiser les performances, la scalabilité et les coûts des infrastructures ML.
Accompagner les Data Scientists et ML Engineers dans l’industrialisation de leurs modèles.
Participer à la documentation, aux bonnes pratiques et à l’amélioration continue de la plateforme.
Environnement technique
AWS et GCP
Python
Terraform
Docker
Kubernetes
MLflow
Model Registry
Databricks
Airflow
GitHub Actions / CI/CD
GPU infrastructure et autoscaling
Monitoring et drift detection
Profil recherché
Minimum 3 ans d’expérience sur des problématiques MLOps, ML Platform Engineering ou DevOps appliqué au Machine Learning.
Expérience réelle de mise en production de modèles ML.
Très bonne maîtrise de Python.
Solide expérience Cloud sur AWS et/ou GCP.
Maîtrise de Terraform, Docker et Kubernetes.
Expérience de MLflow et de la gestion du cycle de vie des modèles.
Bonne compréhension des problématiques de monitoring, performance et scalabilité des modèles en production.
Une expérience Databricks, Airflow, Feature Store ou infrastructures GPU constitue un réel atout.
Anglais professionnel requis.
Tous nos postes se conjuguent au féminin et au masculin et sont bien évidemment ouverts aux personnes en situation de handicap.