Machine Learning Engineer - MLOps

Free-Work; Lille; Sur place; EUR 70 000 - 90 000; Plein temps

Résumé du poste

Free-Work recherche un ingénieur MLOps pour industrialiser les pipelines d'entraînement et de déploiement des modèles dans une architecture Data Mesh.

Vous dirigerez les pipelines de production, gérerez l'infrastructure via Terraform et assurerez le suivi des performances (drift, latence) avec alerting.

Qualifications

• Maîtrise de Python et Bash pour développer et maintenir des pipelines ML
• Connaissance des plateformes cloud et des outils MLops
• Bonne compréhension des pratiques CI/CD et du versioning des modèles

Responsabilités

• Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production.
• Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données.
• Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour assurer la fiabilité.
• Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation).
• Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.

Connaissances

Python

Bash

Outils

GCP

Airflow

Kubeflow

ZenML

MLflow

Vertex AI

Docker

Kubernetes

Terraform

Ansible

Gitlab CI

Great Expectations

Feast

Description du poste

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers.

L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance.

La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform).

Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI.

Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI.

Data Quality & Feature Store : Great Expectations, Feast.

Ta Mission & Ton Impact :

Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production.

Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions.

Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation).

Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.