Senior MLOps Engineer - AWS/GCP, CI/CD & Kubernetes

Everience; Île-de-France; Presencial; EUR 70.000 - 110.000; Jornada completa

Descripción de la vacante

Size Up Consulting recherche un Senior MLOps Engineer pour renforcer l’industrialisation, le déploiement et l’exploitation de modèles Machine Learning à grande échelle. Le consultant interviendra sur des environnements Cloud AWS et GCP et contribuera à la construction et à l’évolution d’une plateforme MLOps utilisée par les équipes Data Science et Machine Learning.

Concevrez des pipelines end-to-end, automatiserez l’entraînement et le déploiement, gérez le cycle de vie des modèles avec MLflow et

Formación

• Minimum 3 ans d’expérience sur des problématiques MLOps ou ML Platform Engineering.
• Maîtrise avancée de Python et des environnements Cloud AWS et GCP.
• Bonne connaissance de Terraform, Docker et Kubernetes.
• Expérience MLflow et gestion du cycle de vie des modèles.
• Connaissance de monitoring, performance et scalabilité des modèles.

Responsabilidades

• Concevoir et industrialiser des pipelines MLOps de bout en bout.
• Automatiser les phases de training, validation, déploiement et continuous training.
• Déployer et exploiter des modèles ML en production.
• Gérer le cycle de vie des modèles avec MLflow et Model Registry.
• Construire et maintenir les infrastructures ML et GPU, déployer des environnements conteneurisés.
• Automatiser le provisioning des infrastructures avec Terraform et CI/CD pour ML.
• Contribuer au monitoring, à la détection de drift et à l’observabilité des plateformes.

Conocimientos

Python

AWS

GCP

Terraform

Docker

Kubernetes

MLflow

Model Registry

Databricks

Airflow

CI/CD

GitHub Actions

GPU infra

Monitoring

Drift detection

Herramientas

Databricks

Airflow

Descripción del empleo

Size Up Consulting recherche un Senior MLOps Engineer pour renforcer l’industrialisation, le déploiement et l’exploitation de modèles Machine Learning à grande échelle. Le consultant interviendra sur des environnements Cloud AWS et GCP et contribuera à la construction et à l’évolution d’une plateforme MLOps utilisée par les équipes Data Science et Machine Learning.

Concevrez des pipelines end-to-end, automatiserez l’entraînement et le déploiement, gérez le cycle de vie des modèles avec MLflow et