Machine Learning Engineer
Descriptif du poste
En tant qu'expert, vous gérerez les relations avec les partenaires technologiques tels que Google, Microsoft et Databricks. Vous dirigerez des projets innovants utilisant des technologies de pointe telles que Google PaLM et Azure OpenAI. Vous définirez et construirez l'architecture de référence GenAI et le cycle de vie du projet. Vous partagerez des processus, cadres, modèles, bibliothèques et meilleures pratiques avec vos collègues dans différentes régions. Vous participerez à la conception et à la validation de l'architecture pour divers cas d'utilisation
Missions principales
- En tant que Machine Learning Engineer, vous contribuerez à la création.
- Optimisation et l’industrialisation de solutions d’intelligence artificielle à fort impact.
- Vous intervenez sur l’ensemble du cycle de vie des modèles, de la conception jusqu'au déploiement en production.
Profil recherché
Experiences Professionelles
- Développer, entraîner et déployer des modèles de machine learning (classification, régression, NLP, computer vision, séries temporelles…).
- Construire des pipelines ML complets : préparation des données, feature engineering, optimisation des modèles.
- Collaborer avec les équipes produit, data et métier pour transformer les besoins business en solutions IA performantes.
- Gérer des datasets à grande échelle : ingestion, nettoyage, transformation et validation.
- Mettre en œuvre les bonnes pratiques MLOps : CI/CD, tests, monitoring, observabilité, suivi des performances.
- Documenter les modèles, les process et contribuer à la structuration de l’écosystème IA interne.
- Assurer une veille technologique active pour intégrer les dernières approches ML/IA.
Qualités Personnelles
- Esprit analytique, rigueur, autonomie.
- Capacité à vulgariser des sujets complexes.
- Travail en équipe, sens du produit, orientation impact.
Compétences requises
- Très bonne maîtrise de Python et des principales bibliothèques ML/DL : scikit-learn, TensorFlow, PyTorch, XGBoost…
- Solides connaissances en algorithmie ML, statistiques et deep learning.
- Maîtrise de la manipulation de données (Pandas, NumPy) et des bonnes pratiques data.
- Familiarité avec les environnements cloud (AWS, GCP ou Azure).
- Expérience en déploiement de modèles en production et en MLOps (Docker, CI/CD, monitoring).
- Connaissance des bases de données (SQL / NoSQL).