Machine Learning Engineer
Il y a 23 heures
Lille, Hauts-de-France
Free-Work
Temps plein
Gratuit avec email ou Google
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
Gratuit avec email ou Google
Free-Work est une plateforme qui s'adresse à tous les professionnels des métiers de l'informatique.
Ses contenus et son jobboard IT sont mis à disposition 100% gratuitement pour les indépendants et les salariés du secteur. Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers.
L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance.
La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform).
Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI.
Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI.
Data Quality & Feature Store : Great Expectations, Feast.
Ta Mission & Ton Impact :
Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production.
Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions.
Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation).
Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production. Solide expérience en ingénierie logicielle avec une spécialisation en MLOps, DevOps ou Data Engineering. Maîtrise impérative de l'environnement Python et des outils de conteneurisation (Docker, Kubernetes). Expérience concrète dans la mise en production de modèles de Machine Learning et la gestion de pipelines d'orchestration. Capacité à travailler dans un environnement complexe (Data Mesh) avec une approche pragmatique de la qualité logicielle. Maîtrise du français et de l'anglais professionnel indispensable.
Ses contenus et son jobboard IT sont mis à disposition 100% gratuitement pour les indépendants et les salariés du secteur. Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers.
L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance.
La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform).
Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI.
Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI.
Data Quality & Feature Store : Great Expectations, Feast.
Ta Mission & Ton Impact :
Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production.
Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions.
Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation).
Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production. Solide expérience en ingénierie logicielle avec une spécialisation en MLOps, DevOps ou Data Engineering. Maîtrise impérative de l'environnement Python et des outils de conteneurisation (Docker, Kubernetes). Expérience concrète dans la mise en production de modèles de Machine Learning et la gestion de pipelines d'orchestration. Capacité à travailler dans un environnement complexe (Data Mesh) avec une approche pragmatique de la qualité logicielle. Maîtrise du français et de l'anglais professionnel indispensable.