Activez les alertes d’offres d’emploi par e-mail !
Une entreprise innovante recherche un ingénieur en machine learning expérimenté pour développer des outils basés sur l'IA et le machine learning. Dans ce rôle, vous serez impliqué dans la création de solutions conversationnelles et l'optimisation des performances des modèles LLM. Vous travaillerez dans un environnement méthodologique Lean/Agile, contribuant à des projets clés tout en intégrant des technologies de pointe telles que GCP et des bases de données vectorielles. Si vous êtes passionné par l'IA et souhaitez faire partie d'une équipe dynamique, cette opportunité est faite pour vous.
Février 2025 — France
Notre client est une structure innovante d’un grand groupe investissant dans la création d’outils à valeur ajoutée basés sur du machine Learning et des IA type LLM.
Afin de bien construire les solutions conversationnelles, notre client crée un poste d’Experienced Machine Learning Engineer avec un savoir-faire probant autour des LLM et des RAG.
L’Experienced Machine Learning Engineer interviendra dans un cadre méthodologique basé sur du Lean/Agile.
Il contribuera à plusieurs grands sujets allant du développement de l’interface de la solution avec Chainlit au développement de solutions d’apprentissage automatique et d’outils de traitement avancé de données.
Pour cela, il sera très important de bien comprendre les vrais besoins métiers et savoir construire la bonne approche sur les processus permettant le traitement et l’exploitation des données sur les différents LLM.
La construction du RAG sera réellement importante et il sera attendu du Experienced Machine Learning Engineer qu’il apporte son expertise tant sur des sujets de performance que l’évolution et l’optimisation du RAG pour construire des réponses de plus en plus pertinentes.
Pour ce poste, nous recherchons une personne qui a une réelle expérience en tant que Machine Learning Engineer autour de sujets de type LLM/RAG, idéalement dans un contexte technologie GCP (Google Cloud Storage, Big Query, API Google Drive) et l’usage des technologies des bases vectorielles (type Qdrant) ou graph (type Neo4J), de monitoring (langfuse) et de versionning des développements (Git) et de vecteurs (DVC).