Une organisation dotée d’une communauté AI et Analytics bien établie industrialise la manière dont les services de Machine Learning sont développés, déployés et supervisés. En tant que Senior Machine Learning Engineer, vous transformerez des solutions de data science en services prêts pour la production en vous appuyant sur Python à un niveau avancé, la conteneurisation et les pratiques CI/CD.
La mission
Les Machine Learning Engineers définissent et appliquent des standards de développement au sein de la communauté ML et AI. Le travail couvre l’ensemble des pipelines de Machine Learning, notamment les contrôles de qualité des données, la conception des flux de données, l’intégration des modèles, le déploiement et la supervision. Vous contribuerez à garantir que les services AI répondent aux exigences de l’entreprise, telles que des réponses en temps réel et des volumes de traitement définis. Le paysage technique comprend des images Docker ou de machines virtuelles, des plateformes AI et des IDE, GitLab CI, la gestion des versions du code, des modèles et des données, ainsi que PostgreSQL.
Vous travaillerez à l’interface entre les Data Scientists et l’IT Production, en traduisant les exigences liées aux modèles en services déployables et faciles à exploiter. Votre périmètre comprend la sélection de l’infrastructure d’exécution adaptée et la mise à disposition des modèles, l’automatisation des composants des pipelines, la préparation des tests unitaires, de régression et d’intégration, ainsi que la prise en charge de la configuration des environnements. Vous contribuerez également à garantir que les modèles s’exécutent de manière fiable, soient réentraînés lorsque cela est nécessaire et fassent l’objet d’un suivi tant sur le plan technique que métier.
Vos responsabilités
- Concevoir des pipelines de Machine Learning orientés production avec les Data Scientists, en tenant compte des modes d’ingestion, de la synchronisation des API, des volumes de traitement et des contraintes opérationnelles.
- Automatiser les composants des pipelines et les processus de déploiement au moyen d’images de conteneurs ou de machines virtuelles, de tests, de la gestion des versions et de workflows CI/CD.
- Intégrer les services AI dans les environnements de production et coordonner les exigences techniques avec l’IT Production et les autres équipes en charge de l’infrastructure.
- Mettre en œuvre des contrôles de qualité des données, la supervision des modèles, des mécanismes de réentraînement et des contrôles favorisant un usage fiable des modèles déployés dans l’entreprise.
- Accompagner les Data Scientists dans l’utilisation de plateformes AI industrielles, d’environnements de développement, d’outils de gestion des packages et de pratiques de gestion des dépendances.
- Documenter les choix techniques et communiquer clairement avec les parties prenantes des domaines AI, analytics, development et operations.
Votre profil
Compétences essentielles
- Au moins 4 ans d’expérience pertinente en tant que Machine Learning Engineer ou dans une fonction d’ingénierie étroitement liée.
- Capacité à développer du code de production maintenable avec un niveau avancé en Python.
- Expérience pratique de la conteneurisation ou de la virtualisation, notamment avec Docker ou des technologies comparables.
- Expérience de l’utilisation de plateformes AI et d’IDE pour développer, packager, déployer ou superviser des services de Machine Learning.
- Capacité à concevoir et à maintenir des pipelines CI/CD, notamment avec GitLab CI.
- Expérience de la gestion des versions du code, des modèles et des données, ainsi que de la gestion des packages et des dépendances.
- Bonne connaissance pratique de PostgreSQL et des concepts de pipeline de données.
- Connaissance de la méthodologie Agile, avec une communication écrite et orale claire auprès des équipes techniques.
- Approche rigoureuse et orientée résultats de la mise en production, de la résolution de problèmes, de l’apprentissage continu et de la collaboration constructive.
Compétences souhaitées
- Expérience de l’intégration de technologies distribuées ou mainframe avec des composants d’infrastructure.
- Connaissance des techniques de compression des modèles et du traitement des flux de données.
- Expérience des outils ELT ou ETL, d’Apache Spark ou d’autres outils de big data.
- Familiarité avec les outils de visualisation des données.
Langues
- Anglais : obligatoire, avec un niveau professionnel opérationnel.
- Néerlandais : un atout.
- Français : un atout.