DevOps Engineer - OpenShift - AI Platform Engineering

DevOps Engineer – OpenShift & AI Platform Engineering (H/F)

Entreprise: Step Up
Type de contrat: CDI
Localisation: Marignane (13)
Salaire: 50 000 – 55 000 €/an
Niveau d’études: Bac +5
Référence: 2511389

---

Contexte de la mission

Ce poste vise à concevoir, déployer et maintenir une plateforme AI robuste et scalable, spécialisée dans :

• Le déploiement en production de modèles Machine Learning
• Le monitoring et la gestion des workflows ML
• L’optimisation continue du cycle de vie des modèles (expérimentation → entraînement → déploiement → amélioration)

---

Vos missions principales

1. Maintenance & Opérations de la plateforme

• Exploitation quotidienne d’une infrastructure AI basée sur Kubernetes/OpenShift
• Application des mises à jour techniques et évolutions
• Garantie de la disponibilité, performance et sécurité de la plateforme

2. Déploiement & Supervision des modèles ML

• Déploiement et supervision proactive de modèles ML dans un environnement Kubernetes/OpenShift (OCP)
• Automatisation du scaling et gestion optimisée des workloads

3. CI/CD & MLOps

• Conception et mise en œuvre de pipelines CI/CD avancés
• Utilisation de Tekton ou Kubeflow pour l’automatisation
• Workflow ML complet :
• Retraining automatisé
• Inference optimisée
• Monitoring des performances
• Implémentation de pratiques GitOps et Infrastructure as Code (IaC)

4. Support & Résolution d’incidents

• Diagnostic et résolution d’incidents critiques :
• Crashes de pods
• Allocations de ressources inefficaces
• Échecs de pipelines CI/CD

5. Customisation & Sécurité

• Rebuild et optimisation d’images runtime et workbenches
• Intégration de nouvelles librairies et outils pour enrichir la plateforme
• Garantie de conformité et sécurité des environnements de production

---

Profil recherché (non détaillé dans le post mais implicite) :
✅ Expertise DevOps/AI Platform Engineering avec OpenShift/Kubernetes
✅ Maîtrise des pipelines CI/CD (Tekton, Kubeflow, GitOps)
✅ Expérience en MLOps et déploiement de modèles en production
✅ Sens aigu de la sécurité et de l’infrastructure scalable