Get a reply from this employer
Your resume and cover letter, tailored to exactly what they’re hiring for.
EterniTech recherche un ingénieur ML spécialisé en industrialisation de solutions IA sur Dataiku pour transformer des modèles en solutions prêtes pour la production. Vous participerez à la mise en place de pratiques MLOps, au déploiement et au monitoring des modèles dans un environnement production.
Vous concevrez et maintiendrez des workflows Dataiku, automatiserez les pipelines CI/CD et collaborerez avec les équipes Data, IT et métiers pour assurer la scalabilité et la fiabilité des solutions
Localisation : Paris 13e
Démarrage : Asap
Type de mission : Longue durée
Dans le cadre de l'accélération de sa transformation Data et Intelligence Artificielle, une organisation recherche un ML Engineer spécialisé en industrialisation de solutions IA sur Dataiku.
Vous interviendrez sur la transformation de modèles de Machine Learning développés par les Data Scientists en solutions robustes, performantes et exploitables en production, tout en contribuant à la mise en place des bonnes pratiques MLOps.
Industrialiser les modèles de Machine Learning et transformer les prototypes en solutions prêtes pour la production.
Concevoir, développer et maintenir des workflows sur Dataiku : recettes, scénarios d'automatisation et API endpoints.
Mettre en place des pipelines CI/CD pour automatiser le déploiement des modèles IA.
Assurer le monitoring des modèles en production : performances, détection de dérive (model drift) et suivi de leur fiabilité.
Garantir la scalabilité, la maintenabilité et la qualité des solutions déployées.
Intégrer les modèles dans les systèmes d’information en collaboration avec les équipes Data, IT et métiers.
Documenter les solutions et contribuer à la standardisation des pratiques MLOps.
Expérience confirmée en Machine Learning Engineering et MLOps.
Très bonne maîtrise de Dataiku DSS, notamment en conception de workflows, automatisation et déploiement.
Maîtrise des pratiques CI/CD appliquées aux projets IA.
Bonne connaissance des architectures Data et des flux ETL/ELT.
Connaissance des environnements Cloud et des technologies de conteneurisation, notamment Docker et Kubernetes.
Capacité à déployer et maintenir des modèles de Machine Learning en environnement de production.