Machine Learning Engineer – Data & MLOps

Dans le cadre d’un projet stratégique autour de la recommandation et de l’IA, nous recherchons un Machine Learning Engineer expérimenté pour concevoir, développer et industrialiser des pipelines Data et ML de bout en bout.

Vous intégrerez une équipe pluridisciplinaire composée de Data Scientists, Data Engineers, développeurs, Tech Lead et Product Owner, au sein d’un environnement fortement orienté Data, ML et Cloud.

Vos missions

• Concevoir et développer des data pipelines de bout en bout : ingestion, transformation, stockage et exposition des données.

• Concevoir et industrialiser des pipelines ML : préparation des données, entraînement, évaluation, publication et inférence.

• Participer à la conception et à l’évolution d’architectures Data / ML sur GCP.

• Mettre en place les mécanismes de qualité, reproductibilité, monitoring et observabilité des pipelines.

• Industrialiser les modèles ML pour des usages en production, notamment en inférence temps réel.

• Participer à l’évolution du socle DataOps / MLOps et des outils d’orchestration.

• Optimiser les solutions existantes en matière de performance, fiabilité, maintenabilité et coûts Cloud.

• Participer au Run et à la résolution des incidents sur les pipelines et services existants.

• Garantir la qualité des développements : tests, revue de code, documentation et bonnes pratiques d’ingénierie.

• Collaborer avec les équipes Data, ML et Software Engineering afin de partager les bonnes pratiques.

Environnement technique

Data Engineering : BigQuery, dbt, Kafka, streaming, data modeling, Terraform.

ML / MLOps : Python, Deep Learning, embeddings, Docker, Kubernetes, Git, ZenML ou outils similaires, ML pipelines, inférence temps réel.

Cloud : GCP, architectures Cloud distribuées.

Profil recherché

Profil recherché

• Expertise en conception de pipelines ML et Data.

• Solide maîtrise de Python et des environnements Data/ML modernes.

• Bonne compréhension du cycle de vie d’un modèle ML, de l’expérimentation à la production.

• Connaissance des architectures Deep Learning et des modèles basés sur les embeddings.

• Maîtrise des concepts de data modeling, streaming, qualité et observabilité des données.

• Capacité à concevoir des solutions scalables, robustes et maintenables.

• Sensibilité aux enjeux de performance et d’optimisation des coûts Cloud.

• Expérience significative sur GCP.

• Capacité à évoluer dans un environnement pluridisciplinaire et agile.

• Français courant et anglais professionnel indispensables.