Ingénieur ML / MLOps - Secteur Défense

VISIAN; Paris; On-site; EUR 55,000 - 75,000; Full time

Job summary

Free-Work recherche un ingénieur développeur pour construire et fiabiliser l’outillage du Retraining Kit, en s’appuyant sur les modules existants de l’AI Factory.

Vous adapterez les librairies et composants pour un déploiement client, en privilégiant le packaging, des images Docker autonomes et des workflows robustes, tout en collaborant avec les Deep Learning Scientists.

Qualifications

• Expérience en développement Python et intégration avec les librairies ML.
• Connaissances Docker et CI/CD, et Linux.
• Conception et fiabilisation d'outillage logiciel pour déploiement client.

Responsibilities

• Développer l'outillage du Retraining Kit en s'appuyant sur les modules existants de l'AI Factory.
• Adapter les librairies et composants pour un déploiement chez des clients : packaging et images Docker autonomes.
• Fiabiliser le kit pour déploiement client : tests de bout en bout et amélioration des workflows.
• Contribuer à la vie de la squad et partager avec les Deep Learning Scientists.

Skills

Python

Git

Agile

Education

Baccalauréat+ en informatique/ingénierie

Tools

Docker

PyTorch

CI/CD

Linux

GPU

Job description

Contexte

Notre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites.

Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné).

Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage.

Missions

• Développer l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory.

• Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes.

• Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation.

• Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists).

Environnement technique

• Python, PyTorch, Docker

• CI/CD

• Linux, GPU

• Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.