ML Engineer: Production ML & MLOps

MARGO; Paris; Sur place; EUR 70 000 - 110 000; Plein temps

Avantages offerts par ce poste

Ambitieux projets techniques

Accompagnement par experts reconnus

Communauté d’ingénieurs passionnés

Culture d’exigence technique et de dév

Résumé du poste

the company recherche un Machine Learning Engineer à Paris pour industrialiser les modèles et piloter leur cycle de vie en production. Vous développerez des APIs, conteneuriserez et orchestrerez les solutions sur Kubernetes, et participerez à la conception de pipelines CI/CD dédiés au ML.

Vous collaborerez avec Data Scientists et Data Engineers, maîtriserez les environnements Cloud et les outils MLOps (MLflow, Kubeflow, Docker).

Qualifications

• Formation : Bac+5 (école d’ingénieur, université) en informatique ou mathématiques appliquées.
• Maîtrise avancée de Python et des bonnes pratiques logicielles (Git, tests unitaires/ d'intégration, packaging).
• Solide expérience sur les plateformes Cloud (AWS, Azure ou GCP) et l’Infrastructure as Code (Terraform est un plus).
• Maîtrise de l'écosystème MLOps : MLflow, Kubeflow, Docker, Kubernetes.
• Connaissances Data : bibliothèques ML (Scikit-learn, Pandas) et Deep Learning (TensorFlow, PyTorch).
• Expérience : deployment de modèles ML en production (batch ou streaming).
• Mindset : rigueur sur le code et l'automatisation, sens de l'architecture.

Responsabilités

• Industrialiser les modèles ML et garantir leur cycle de vie en production.
• Développer des APIs performantes (FastAPI, Flask) pour exposer les modèles.
• Conteneuriser les solutions (Docker) et orchestrer sur Kubernetes.
• Concevoir et maintenir des pipelines CI/CD dédiés au ML (réentraînement, validation).
• Mettre en place et gérer des outils d'orchestration de flux (Airflow, Kubeflow, Dagster).
• Gérer le versioning des données et des modèles (DVC, MLflow).
• Optimiser latence et utilisation des ressources (CPU/GPU).
• Refactoriser le code selon les standards (Clean Code, TDD).
• Gérer les Feature Stores et assurer la reproductibilité.

Connaissances

Python

Git

Tests unitaires

CI/CD

Docker

Kubernetes

Terraform

MLflow

Kubeflow

Pandas

Scikit-learn

TensorFlow

PyTorch

Cloud (AWS/Azure/GCP)

Data engineering collaboration

Formation

Bac+5 informatique ou Mathématiques appliquées

Outils

FastAPI

Flask

Docker

Kubernetes

Airflow

Kubeflow

Dagster

DVC

MLflow

Description du poste

the company recherche un Machine Learning Engineer à Paris pour industrialiser les modèles et piloter leur cycle de vie en production. Vous développerez des APIs, conteneuriserez et orchestrerez les solutions sur Kubernetes, et participerez à la conception de pipelines CI/CD dédiés au ML.

Vous collaborerez avec Data Scientists et Data Engineers, maîtriserez les environnements Cloud et les outils MLOps (MLflow, Kubeflow, Docker).