Senior MLOps Engineer - Freelance

Contexte

Au cœur de l’entité d'une grande entreprise internationale, nous recherchons un·e Senior MLOps Engineer pour rejoindre les équipes Data Factory. Cette plateforme technologique, globale à tout le groupe de manière internationale, soutient le développement de l’usage de la Data, du calcul du chiffre d’affaires à l’aide de la conception de produits innovants.

Nous opérons une Modern Data Stack de pointe, avec un Lakehouse comme centre de gravité.

Notre mission ? Garantir la scalabilité, l'automatisation et l'excellence des pratiques de développement pour l'ensemble de nos communautés (Data Engineers, Analysts, Data Scientists, ML Engineers).

Notre équipe IA / MLOps au cœur de la Data Factory est une brique essentielle de cette mission. Elle est chargée d’outiller directement les Data Scientists et ML Engineers en leur fournissant une plateforme d'entraînement et de déploiement fluide, industrielle et sécurisée.

L’équipe est actuellement composée de 6 AI Platform Engineers / MLOps Engineers et de 2 Product Managers.

Missions

• Concevoir et administrer des infrastructures d'entraînement et d'inférence robustes sur AWS et GCP, en orchestrant la mise à disposition efficace des ressources de calcul (GPU, clusters auto-scalables).

• Piloter le déploiement, le maintien et l'évolution des plateformes MLOps via Terraform, en garantissant une cohérence parfaite entre nos différents environnements Cloud.

• Concevoir et automatiser des pipelines CI/CD/CT (Continuous Training) pour le suivi de l'entraînement, la validation, le déploiement et l'évaluation automatisée des modèles ML.

• Administrer et promouvoir les outils de Model Registry, de Tracking d'expérimentations (MLflow) et de Feature Store pour fluidifier le travail des Data Scientists.

• Mettre en place les outils pour aider à la surveillance des performances des modèles en production (dérive des données/modèles), définir les standards MLOps (templates, bonnes pratiques) et assurer une veille technique sur les outils de la communauté.

• Incarner nos solutions MLOps auprès des Data Scientists et ML Engineers, notamment en animant des Office Hours et en simplifiant l'adoption de la plateforme au quotidien.

Stack technique

• Cloud : AWS et GCP

• MLOps & Tracking : MLflow, Model Registry, Feature Store

• Orchestration & Data : Databricks, Airflow

• Infrastructure & Compute : Terraform, Docker, Kubernetes, clusters GPU

• CI/CD : Git, GitHub Actions