Missions principales:

• Concevoir, développer et industrialiser des modèles de Machine Learning et Deep Learning à grande échelle.

• Mettre en place des pipelines d’entraînement, d’évaluation et de déploiement sur le cloud (CI/CD ML).

• Optimiser les performances, la latence et les coûts d’inférence des modèles.

• Collaborer avec les Data Scientists pour transformer les prototypes en solutions industrialisées.

• Participer à la mise en place d’une architecture MLOps robuste et scalable (Data versioning, Model registry, Monitoring).

• Documenter les modèles, pipelines et bonnes pratiques pour assurer la maintenabilité et la réutilisabilité.

  Compétences techniques:

• Langages : Python, SQL, PySpark

• Frameworks : TensorFlow, PyTorch, Scikit-learn

• Outils MLOps : MLflow, Kubeflow, Azure ML, ML pipelines (CI/CD)

• Cloud : Azure (AKS, Data Lake, Data Factory, Azure ML Studio)

• DevOps : Docker, GitHub Actions / Azure DevOps, Terraform (souhaité)

• Bonne compréhension des architectures distribuées et des bonnes pratiques de production de modèles