Le MLOps est aujourd’hui incontournable pour industrialiser les projets de Machine Learning. Il permet de :
- Automatiser le cycle de vie complet des modèles ML
- Garantir la reproductibilité et la qualité des modèles
- Faciliter la collaboration entre Data Scientists et équipes métier
- Accélérer le passage de l’expérimentation à la production.
Au sein de l’équipe Machine Learning Engineering du pôle Data Science, vous serez amenés à intervenir sur les parcours Machine Learning Engineer (en priorité) et Data Scientist. Le rôle s’articule autour des axes suivants :
- Développement : mise à jour et création de notebooks Python sur des sujets avancés de Machine & Deep Learning, avec un focus particulier sur l’industrialisation du ML : Conception et optimisation de pipelines d’entraînement | Déploiement de modèles | Versioning des données & modèles | Automatisation des worklflows & monitoring.
- Application : accompagnement d’apprenants sur des projets de Machine Learning Engineering.
- Pédagogie : participation à l’animation de Masterclasses et d’évènements techniques autour du ML Engineering.
- Autoformation : recherche sur des technologies complexes et récentes en Machine Learning et MLOps, pouvant mener à la rédaction d’articles techniques.
- Issu(e) d’une formation orientée Data Science et/ou Intelligence Artificielle.
- Excellente maîtrise de Python et des frameworks de Machine Learning (TensorFlow, PyTorch, scikit-learn).
- Bonne connaissance des outils de MLOps et de déploiement de modèles (Docker, Kubernetes, CI/CD).
- Motivé.e à monter rapidement en compétences en Machine Learning Engineering et MLOps.
- Les connaissances en Cloud Computing (AWS, GCP, Azure) et en Big Data sont un plus.
- Très bon niveau écrit et oral en français et anglais.
- Appétence pour la pédagogie et le monde de la formation.