Ingénieur Machine Learning Python - MLOps H/F Scalian

Ingénieur machine learning python / MlOps - H/F

Lieu : Saint Denis (93)

Télétravail : 2j / semaine

Type de contrat : Nature du contrat à définir

Rémunération : à partir de 55K€

Démarrage : dès que possible

Expérience requise : à partir de 5 ans

À propos du poste :

- Contexte : Nous recherchons un(e) Ingénieur Machine Learning / MLOps capable de transformer des prototypes issus de la science des données en solutions industrielles robustes, performantes et monitorées. Vous interviendrez sur l'ensemble de la chaîne de valeur : optimisation des pipelines, industrialisation, CI/CD, déploiement multi-environnements (CPU / GPU), et mise en place de solutions de monitoring avancées.

Vos missions principales : liste non exhaustive plus de détails par téléphone

1. Transformation des POC en solutions de production

- Convertir les prototypes de data science en code de qualité production.
- Concevoir et documenter l'architecture logicielle et les APIs.
- Développer les tests unitaires, fonctionnels et d'intégration.

2. Optimisation des pipelines et des algorithmes

- Optimiser les pipelines de données et les modèles ML sur des plateformes hétérogènes (CPU, GPU).
- Mettre en oeuvre des techniques avancées d'optimisation (vectorisation, parallélisation, compilation JIT, etc.).
- Fournir des rapports de performance par environnement.

3. Analyses comparatives / Benchmarking

- Construire et préparer les jeux de données pour le benchmarking.
- Développer les codes et documentations associés aux comparaisons de performances et de complexité.
- Proposer des recommandations et conclusions pour chaque cas d'usage.

4. Développement de pipelines CI/CD

- Concevoir, développer et maintenir des pipelines CI/CD pour automatiser tests, intégration et déploiement.
- Déployer les solutions sur divers environnements et sites.
- Fournir un guide d'utilisation et une documentation pour les administrateurs.

5. Mise en place du monitoring

- Développer et maintenir des solutions de monitoring des performances et de la dérive des données.
- Implémenter des algorithmes de détection de drift et de surveillance temps réel.
- Rédiger les tests fonctionnels associés.

Environnement technique :

Python, NumPy, SciPy, Numba, CuPy, Pandas, scikit-learn, PyTorch, pydantic, pytest,

MLflow, Docker, GitLab-CI, DevOps, MLOps, Linux