Senior ML Engineer – Systèmes de recommandation & personnalisation - Freelance

Dans le cadre du développement et de l'industrialisation de systèmes de personnalisation à grande échelle, nous recherchons un(e) Senior ML Engineer spécialisé(e) dans les systèmes de recommandation.

Vous interviendrez sur des problématiques à fort impact produit, avec pour enjeu de concevoir, déployer et faire évoluer des modèles de recommandation capables de servir des millions d'interactions avec une latence maîtrisée.

Vous prendrez en charge l'ensemble du cycle de vie des modèles, de l'expérimentation jusqu'au serving en production, dans un environnement technique exigeant mêlant Machine Learning, Data et Software Engineering.

Vos principales missions :

• Concevoir et industrialiser des pipelines et modèles de recommandation : collaborative filtering, content-based, modèles hybrides, two-tower et modèles séquentiels de type SASRec/BERT4Rec.

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

• Développer des services de recommandation temps réel scalables, capables de gérer de très forts volumes d'interactions.

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

• Collaborer avec les équipes Data et Analytics Engineering pour définir et maintenir les contrats de données.

• Optimiser les performances, la latence et les coûts d'inférence grâce à des mécanismes de batching, caching et profiling.

• Mettre en œuvre des dispositifs d'A/B testing afin de mesurer et d'améliorer continuellement les performances des algorithmes.

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

• Participer aux décisions d'architecture ML autour du stockage, de l'orchestration, de l'industrialisation et du découplage des environnements.

Environnement technique

• ML / Deep Learning : PyTorch, collaborative filtering, two-tower, SASRec, BERT4Rec, modèles hybrides

• Orchestration & Data : Airflow, Databricks (Bundles, Jobs)

• Data Stores : Snowflake, Cassandra, Azure Blob Storage

• Langages : Python, SQL, Rust

• CI/CD & MLOps : Azure DevOps, Terraform, Datadog

• Architecture : APIs temps réel, systèmes distribués, environnements découplés