Senior Machine Learning Engineer

Depuis 2014, Wiremind se positionne comme une **entreprise technique** qui transforme le monde du transport et de l’évènementiel avec une approche 360° combinant à la fois **UX, software et IA.** Dynamiques et ambitieux, nous nous attachons à conserver notre ADN technique qui est le moteur de notre réussite. L’entreprise, rentable et auto-financée depuis sa création il y a 10 ans, est constituée en majorité **d’ingénieurs et d’experts** et assure aujourd’hui la croissance de notre **business model** basé sur des solutions "software-as-a-service"**.** **Tes missions**: At Wiremind, the **Data Science team** is responsible for the development, monitoring and evolution of all ML-powered forecasting and optimization algorithms in use in our Revenue Management systems. Our algorithms are divided in 2 parts: - ** A modelling of the unconstrained demand** using ML models (_e.g._ deep learning, boosted trees) trained on historical data in the form of time-series - **Constrained optimizations problems** solved using linear programming techniques You will be joining a team shaped to have all profiles necessary to constitute an autonomous department (devops, software and data engineering, data science, AIML, operational research). There, you will leverage state-of-the-art AI/ML methods and ironclad validation processes to deliver robust, interpretable prediction systems. In practice, even though there is no typical day, you can expect to: - ** Develop, maintain, and propose improvements** for our training framework via Argo + MLFlow - **Deploy and monitor** of models in production - **Oversee implementations of new clients** from the data analysis phase, modeling, deployment, and hyper-supervision of the first optimization runs in production - **Develop analytics and AB testing tools** to help us continuously improving our models - Mentor junior team members through model reviews, technical guidance, and best practices sharing **Technical stack**: - ** Backend**: Python 3.11+ with SQLAlchemy - **Orchestration**: Argo workflows over an auto-scaled Kubernetes cluster - **Datastores**: Druid and postgresql - **Common ML libraries/tools**: TensorFlow/Keras, LightGBM, XGBooost, Pandas, Dask, Dash, Jupyter notebooks - **Model versioning and registry tool**: Mlflow - **Gitlab / Kubernetes** for CI/CD - **Prometheus/Grafana and Kibana** for operations **Ton profil**: - You have at least 2 or 3 years of experience working in Data Science, Applied Mathematics, Computer Science or similar fiel - You have worked on at least one deep learning framework such as tensorflow or pytorch - You have a pragmatic approach to ML where testing and frequent deliveries of small incremental gains supported by validation / alerting processes to avoid regression is preferred to a long tunneled research process - You're passionate about addressing business challenges through innovative technological solutions - You are committed to maintaining high-quality standards in all aspects of your work - Experience modelling time series and/or price elasticity is a plus **Nos avantages**: En nous rejoignant, tu intégreras: - Une startup autofinancée avec une forte identité technique - De magnifiques bureaux de 700 m² au cœur de Paris (Bd Poissonnière) - Une rémunération attractive et indexée sur la performance - Une équipe bienveillante et stimulante qui encourage le développement des compétences à travers la prise d'initiative et l'autonomie - Un environnement d'apprentissage avec des possibilités d’évolution ‍ Tu bénéficieras également: - De formations à la demande - D’une politique hybride : 2 jours de télétravail par semaine et la possibilité de travailler ponctuellement depuis l’étranger - D’une belle culture d’entreprise (afterworks mensuels, réunions régulières sur la technologie et les produits, séminaires annuels hors site, team-buildings ) - D’un budget annuel pour ton équipement informatique - D’un partenariat avec le réseau de crèches inter-entreprises People & Baby pour faciliter l’accueil de tes enfants de 0 à 3 ans **Notre processus de recrutement**: - Un screening interview avec Anne-Laure, notre Sénior Talent Manager - Un entretien avec Ali, Lead ML Engineer et Hiring Manager - Un test technique ou une étude de cas à préparer - Un entretien dans nos locaux pour discuter de ton test technique - Un culture fit interview avec Charles, notre CTO et Co-fondateur