Emplois actuels liés à ML Ops - Grenoble, Auvergne-Rhône-Alpes - Free-Work

  • Pot8602-un Data Scientiste Sur Grenoble

    il y a 1 semaine

    Grenoble, France Almatek Temps plein

    Almatek recherche pour l'un de ses clients, un Data scientiste sur Grenoble. **Missions**: Concevoir, entrainer, déployer des modèles de ML, **En environnement**: Python, scikit Pytorch, SQL Databricks Expérience en feature engineering et ML Ops 3 ans d'expé en Data science Vont aller sur du DBT Cloud (hébergé sur leur cloud azure), pas le DBT...

  • Associate Quant Developer

    il y a 6 jours

    Grenoble, France Engelhart Temps plein

    **About Us**: Engelhart was founded in 2013 by BTG Pactual Group as a commodities trading company. Its business model is "asset light" and highly diversified - giving it the ability to adapt effectively and nimbly to changing market conditions. It has assembled successful multidisciplinary teams, leveraging advanced fundamental analysis with deep...

ML Ops

il y a 8 heures

Grenoble, Auvergne-Rhône-Alpes, France Free-Work Temps plein

En tant que
ML Ops Engineer
, vous jouerez un rôle essentiel dans l'intégration, le déploiement, l'industrialisation et la maintenance des modèles d'IA/ML. Vous garantirez la performance, la fiabilité, la sécurité et la conformité des modèles déployés tout en collaborant étroitement avec les équipes internes (produit, projet, technique, cloud).

Vous serez amené notamment à :

  • Déployer, intégrer et optimiser les modèles ML dans un environnement Azure Cloud.
  • Garantir la performance (temps d'inférence, scalabilité), la maîtrise des coûts et la fiabilité opérationnelle.
  • Implémenter des architectures robustes alignées sur les bonnes pratiques ML Ops.
  • Concevoir, mettre en place et maintenir des pipelines CI/CD
  • Le packaging et la mise en production
  • La supervision temps réel (logs, métriques, alertes, drift detection)
  • Automatiser les cycles de vie des modèles (ML lifecycle management).

Profil candidat:

  • Maîtrise des environnements Azure (Azure ML, Azure DevOps, ACR, AKS, etc.).
  • Solides compétences en Python, Docker, Kubernetes, MLflow ou équivalents.
  • Connaissance des pratiques CI/CD, d'observabilité et d'ingénierie cloud.
  • Compréhension du cycle de vie des modèles ML (déploiement, monitoring, drift, versioning).
  • Anglais écrit oral – à l'aise