MLOps Engineer H/F Size Up Consulting

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.