MLOps / Machine Learning

Il y a 7 mois

Lyon, Auvergne-Rhône-Alpes, France Silkhom Temps plein

Poste

Au sein d’une équipe technique resserrée (5 personnes), vous intervenez sur l’amélioration et l’optimisation d’algorithmes appliqués à l’analyse d’images médicales.

Votre rôle consiste à analyser des modèles existants, identifier des axes d’amélioration et proposer des solutions techniques permettant d’optimiser la performance et la fiabilité des traitements.

Ces algorithmes ont vocation à assister les radiologues dans l’analyse d’images et à contribuer à la fiabilité des démarches de diagnostic.

Aujourd’hui, les enjeux du poste évoluent vers des problématiques de MLOps et d’industrialisation des modèles.

Vos missions principales seront les suivantes :
- Améliorer et optimiser des modèles existants en Computer Vision
- Travailler sur des problématiques d’imagerie (notamment 2D type tomosynthèse)
- Mettre en place des pipelines de déploiement et de gestion du cycle de vie des modèles
- Structurer la libération des modèles (versioning, reproductibilité, fiabilité)
- Industrialiser les modèles existants dans un environnement contraint (données sensibles)
- Collaborer avec les équipes techniques pour garantir la robustesse et la performance des solutions
- Être force de proposition sur les bonnes pratiques MLOps

Environnement technique
- Python
- TensorFlow
- Pandas
- MLflow
- Docker
- Traitement d’images

Profil recherché

• Vous justifiez d’une expérience en Machine Learning avec une forte appétence pour le MLOps

• Vous avez déjà travaillé sur la mise en production de modèles (CI/CD, déploiement, monitoring)

• Vous maîtrisez Python et les environnements associés

• Vous êtes à l’aise dans des environnements techniques exigeants

• Une expérience en Computer Vision ou traitement d’image est un plus

• Vous êtes autonome, curieux et capable d’intervenir sur des sujets transversesUne expérience dans le secteur médical ou sur des données sensibles constitue un plus

Compléments

Démarrage : ASAP

Durée : 3 mois renouvelable

Localisation : Full Remote