Senior ML Engineer B2C – Recommandation & Personnalisation - Freelance

Taux journalier (TJM): 600

Dans le cadre du développement d’une plateforme à très forte audience, notre client renforce son équipe Machine Learning et recherche un Senior ML Engineer spécialisé en recommandation et personnalisation.

Vous interviendrez sur des problématiques ML à grande échelle, avec un enjeu central : concevoir, industrialiser et exploiter des systèmes de recommandation capables de personnaliser l’expérience de plusieurs millions d’utilisateurs.

La mission couvre l’ensemble du cycle de vie des modèles, de l’expérimentation jusqu’au serving temps réel en production, dans un environnement où la performance algorithmique, la latence, la robustesse et l’impact produit sont déterminants.

Vos principales missions :

• Concevoir et industrialiser des modèles et pipelines de recommandation, de l’entraînement jusqu’à l’inférence en production.

• Travailler sur différentes architectures : collaborative filtering, content-based, modèles hybrides, Two-Tower et modèles séquentiels de type SASRec/BERT4Rec.

• Piloter le cycle de vie des modèles : expérimentation, entraînement, évaluation, déploiement progressif et monitoring.

• Développer des services de recommandation temps réel scalables capables de supporter plusieurs millions d’interactions avec une latence maîtrisée.

• Concevoir et maintenir les couches de feature engineering en garantissant qualité, cohérence et fraîcheur des données.

• Collaborer avec les équipes Data, Analytics Engineering et Produit autour des contrats de données et des besoins de personnalisation.

• Optimiser les performances et les coûts d’inférence grâce au batching, caching et profiling.

• Mettre en œuvre des dispositifs d’A/B testing afin de mesurer et améliorer continuellement la performance des algorithmes.

• Développer des composants et librairies internes robustes, testables, réutilisables et maintenables.

• Participer aux choix d’architecture ML : stockage, orchestration, industrialisation, observabilité et découplage des environnements.

ML / Deep Learning : PyTorch, Collaborative Filtering, Two-Tower, SASRec, BERT4Rec, modèles hybrides
Data & Orchestration : Airflow, Databricks, Snowflake, Cassandra, Azure Blob Storage
Langages : Python, SQL, Rust
MLOps / DevOps : Azure DevOps, Terraform, Datadog, CI/CD

Localisation : Paris
Durée : 12 mois