MLOps Engineer H/F

Ippon Technologies SAS; Bordeaux; On-site; EUR 55,000 - 90,000; Full time

Job summary

Ippon Technologies SAS à Bordeaux recherche un ingénieur MLOps pour faire le lien entre Data Science, Infrastructure et Développement. Vous contribuerez à l’industrialisation des modèles ML et IA générative, en veillant à leur fiabilité, sécurité et scalabilité, et participerez à leur déploiement en production.

Vous concevrez et maintiendrez des pipelines end-to-end, mettrez en place les processus CI/CD, assurerez le déploiement et la supervision, gérerez le versioning des modèles et des

Qualifications

• Maîtrise de Python et pipelines ML
• Connaissance des pratiques CI/CD dédiées aux modèles
• Expérience avec Docker/Kubernetes
• Gestion du versioning des modèles et des données
• Surveillance et détection de dérive des modèles
• Collaboration avec Data Science et Data Engineering

Responsibilities

• Concevoir et maintenir les pipelines MLOps de bout en bout (entraînement, validation, déploiement)
• Mettre en place les processus CI/CD dédiés aux modèles
• Assurer le déploiement et la supervision des modèles en production
• Gérer le versioning des modèles et des données
• Mettre en œuvre les outils de monitoring et de détection de dérive
• Collaborer avec les équipes Data Science et Data Engineering
• Garantir la conformité, la sécurité et la résilience des plateformes IA

Skills

Python

CI/CD

Docker

Kubernetes

MLflow/Kubeflow

Tools

GitLab CI

Jenkins

Kubeflow

Cloud (Azure/AWS/GCP)

Job description

En tant que MLOps Engineer, tu interviens à l'interface entre les équipes Data Science, Infrastructure et Développement. Tu rejoins une équipe où le déploiement, l'automatisation, la surveillance et la gouvernance des modèles d'IA en production sont au coeur du quotidien. Tu contribues à l'industrialisation des modèles de Machine Learning et d'IA générative, avec des enjeux de fiabilité, de sécurité et de scalabilité.

Missions :

• Concevoir et maintenir les pipelines MLOps de bout en bout (entraînement, validation, déploiement)
• Mettre en place les processus CI/CD dédiés aux modèles
• Assurer le déploiement et la supervision des modèles en production
• Gérer le versioning des modèles et des données
• Mettre en oeuvre les outils de monitoring de performance et de détection de dérive
• Collaborer avec les équipes Data Science et Data Engineering
• Garantir la conformité, la sécurité et la résilience des plateformes IAStack techniqueLangages : Python

Stack technique

• Conteneurisation et orchestration : Docker, Kubernetes
• Outils MLOps : MLflow, Kubeflow ou équivalents
• CI/CD : GitLab CI, Jenkins
• Cloud : Azure, AWS ou GCP
• Observabilité : outils de monitoring et de détection de dérive de modèles