Salaire: 45 000 € - 55 000 € par an Tu es passionné(e) par le Machine Learning, le Cloud et l'industrialisation des modèles ? Tu aimes transformer des prototypes Data Science en solutions robustes, scalables et prêtes pour la production ? Tu souhaites intervenir sur des problématiques techniques variées, au croisement du Machine Learning, du Software Engineering, du Cloud et de la Data ? Rejoins notre Guild Data Discoverii et accompagne nos clients dans la conception et l'industrialisation de plateformes MLOps modernes. MISSIONS * Industrialiser les modèles Machine Learning : automatiser les différentes étapes du cycle de vie des modèles, de l'entraînement à la mise en production. * Concevoir des pipelines MLOps : mettre en place des workflows fiables pour l'entraînement, la validation, l'évaluation et le déploiement des modèles. * Automatiser les déploiements : concevoir et maintenir des pipelines CI/CD/CT permettant de déployer les modèles et leurs évolutions de manière fiable et reproductible. * Construire les infrastructures ML : concevoir et administrer des environnements Cloud adaptés aux besoins d'entraînement et d'inférence. * Orchestrer les workloads ML : déployer et maintenir des environnements conteneurisés avec Docker et Kubernetes, y compris pour des workloads nécessitant des ressources GPU. * Gérer le cycle de vie des modèles : mettre en place et administrer des solutions de tracking, de versioning et de Model Registry avec notamment MLflow. * Automatiser l'infrastructure : déployer et faire évoluer les environnements Cloud grâce à Terraform et aux pratiques d'Infrastructure as Code. * Intégrer les environnements Data : travailler avec Databricks, Spark / PySpark et Airflow pour construire des pipelines Data & ML robustes. * Mettre en place l'observabilité : suivre la qualité des données, les performances des modèles et détecter les éventuelles dérives en production. * Développer et industrialiser les APIs : exposer les modèles et services Machine Learning dans des environnements de production. * Accompagner les équipes Data : collaborer avec les Data Scientists et ML Engineers pour faciliter l'industrialisation de leurs modèles et promouvoir les bonnes pratiques MLOps. * Garantir la qualité et la sécurité : appliquer les bonnes pratiques de Software Engineering, de CI/CD, de tests, de documentation et de gestion des environnements. En 1er, un savoir-être en phase avec notre culture : * Tu es autonome et capable de prendre en charge des sujets de bout en bout. * Tu es pragmatique et tu sais concevoir des solutions simples, robustes et maintenables. * Tu sais prendre du recul et challenger les choix techniques. * Tu apprécies travailler avec des profils Data, Tech et métier. * Tu communiques avec clarté et sais vulgariser des problématiques techniques complexes. * Tu es curieux(se) et tu effectues une veille régulière sur les technologies MLOps, Cloud et Machine Learning. * Tu apprécies le partage de connaissances et le travail en équipe. En 2nd, un bagage technique solide : * Une expérience de 3 à 5 ans en MLOps, ML Engineering, DevOps ou Platform Engineering appliqué au Machine Learning, hors stages et alternances. * Une bonne maîtrise du cycle de vie complet des modèles Machine Learning, de l'expérimentation jusqu'à la production. * Une très bonne maîtrise de Python et de son écosystème. * Une expérience significative avec Kubernetes et Docker. * Une bonne maîtrise des environnements Cloud, notamment AWS et GCP. * Une expérience avec MLflow, Model Registry et les outils de gestion du cycle de vie des modèles. * Une bonne maîtrise des pratiques CI/CD, de Git et de GitHub Actions. * Une expérience avec Terraform et l'Infrastructure as Code. * Une bonne connaissance de Databricks, Spark / PySpark et