Descriptif du poste:\n\n \nVos missions\nNous recherchons un Machine Learning Engineer pour rejoindre nos équipes et intervenir au cœur de la stratégie Data de nos clients (Industrie, Finance, Énergie). Votre objectif principal sera d'industrialiser les algorithmes de Machine Learning et de garantir leur cycle de vie en production.\n \nVous interviendrez sur trois axes techniques majeurs :\n1. Industrialisation & Déploiement (Model Serving)\n- Transformation des modèles de recherche (Proof of Concept) en code de production robuste, testé et optimisé.\n- Développement d'APIs performantes (FastAPI, Flask) pour exposer les modèles aux applications métiers.\n- Conteneurisation des solutions (Docker) et orchestration sur des clusters (Kubernetes) pour assurer la scalabilité et la haute disponibilité.\n2. Architecture MLOps & Automatisation\n- Conception et maintenance de pipelines CI/CD dédiés au Machine Learning (réentraînement automatique, validation des modèles).\n- Mise en place et gestion d'outils d'orchestration de flux de données (Airflow, Kubeflow, Dagster).\n- Gestion du versioning des données et des modèles (DVC, MLflow) pour assurer la reproductibilité des expériences.\n3. Performance & Optimisation\n- Optimisation des temps de réponse (latence) et de l'utilisation des ressources de calcul (CPU/GPU).\n- Refactoring de code pour respecter les standards de Software Craftsmanship (Clean Code, TDD).\n- Gestion des Feature Stores pour centraliser et servir les variables calculées en temps réel.\nVotre rôle inclura également :\nMonitoring avancé : Mise en place de sondes pour détecter le "Data Drift" (dérive des données) ou le "Model Drift" et déclencher des alertes proactives.\nCollaboration transverse : Faire le pont entre les Data Scientists (mathématiques/modélisation) et les Data Engineers (infrastructure/données) pour fluidifier les mises en production.\n Diffuser les bonnes pratiques de développement logiciel au sein des équipes Data Science.\n \n\nProfil recherché:\n\n\nProfil recherché\nNous cherchons un profil hybride, à la frontière entre le Software Engineering et la Data Science, capable de comprendre les mathématiques sous-jacentes tout en maîtrisant les contraintes de production informatique.\n- Formation : Bac+5 (école d'ingénieur, université) en Informatique ou Mathématiques Appliquées.\n- Compétences Techniques Cœurs :\n* Maîtrise avancée de Python et des bonnes pratiques logicielles (Git, Tests unitaires/d'intégration, Packaging).\n* Solide expérience sur les plateformes Cloud (AWS, Azure ou GCP) et l'IaC (Terraform est un plus).\n* Maîtrise de l'écosystème MLOps : MLflow, Kubeflow, Docker, Kubernetes.\n- Connaissances Data : Bonne compréhension des bibliothèques ML (Scikit-learn, Pandas) et Deep Learning (TensorFlow, PyTorch) pour pouvoir optimiser le code des Data Scientists.\n- Expérience : Vous avez une expérience significative dans le déploiement de modèles ML en production (batch ou temps réel).\n- Mindset :\n* Rigueur absolue sur la qualité du code et l'automatisation.\n* Goût pour la résolution de problèmes d'architecture complexes.\n* Capacité à travailler dans des environnements techniques hétérogènes.\n \nCe que nous offrons\n- Des missions ambitieuses et variées, toujours sélectionnées pour leur valeur ajoutée ;\n- Un accompagnement de proximité par des experts reconnus ;\n- Une communauté d'ingénieurs passionnés, avec workshops, conférences et échanges réguliers ;\n- Une culture d'exigence technique, de partage des connaissances et de développement continu.