POSTE : Chef de Projet - Ml Engineer H/F DESCRIPTION : Vos missions La Data Factory, dans le cadre de ses activités Data Science pour Crédit Mutuel Alliance Fédérale, industrialise des traitements de Machine Learning pour répondre à des enjeux métiers divers notamment autour du domaine commercial. Nous sommes à la recherche d'un(e) Chef(fe) de Projet pour prise de lead de l'activité Machine Learning Engineering au sein d'un pôle composé de 4 ML Engineers. Vous travaillerez en étroite collaboration avec les équipes : des Data Architects qui développent les outils et solutions Data Science (Datalab / Jupyterlab), des Data Scientists qui analysent et modélisent les problématiques métiers, des Data Engineers qui préparent les données, des métiers qui portent le besoin et des Data Officers qui orchestrent le tout. En tant que Chef(fe) de Projet ML Engineer, vous aurez pour missions de : - Piloter les projets sous votre responsabilité (priorisation, chiffrage, planification, suivi) - Comprendre et cadrer les besoins, réaliser les plans de charges et les suivre, rédiger les spécifications, effectuer des revues de code, qualifier les outils et chaînes, veiller aux mises en production et au maintien opérationnel - Construire des architectures applicatives, principalement sur des chaines de traitement (cloud, python, base de données, orchestrateur) en lien avec les Data Engineers et Data Architects - Intervenir en tant qu'AMOA sur des projets développant ou améliorant les outils et solutions Data Science (JupyterLab, Airflow, GPU) - Coordonner et challenger des équipes pluridisciplinaires sur des sujets d'industrialisation de score (Data Engineers, Data Scientists, ML Engineers) - Participer ou coordonner des chantiers transverses (Comité de Pilotage Data Science, IA de confiance) - Accompagner les équipes par votre expertise Les activités de ML Engineering sont plurielles : - Spécifier et concevoir les chaînes de traitement, en lien avec les Data Scientists et Data Engineers, les ML Engineers étant garants et responsables de la cohérence globale - Cadrer les besoins d'industrialisation de modèles de Machine Learning - Préparer les données disponibles sur la base de données analytique en vue de leur utilisation par les algorithmes ML, en veillant à optimiser la préparation, en challengeant les équipes de Data Scientists et en coordination avec les Data Engineers - Optimiser les modèles préparés par les Data Scientists en proposant des algorithmes adaptés tout en veillant à leur performance sur le plan statistique - Maîtriser l'exploitation de SGBD analytique (orienté colonnes) par une bonne connaissance du langage SQL - Déployer en production et mettre en service les modèles de Machine Learning - Assurer le maintien opérationnel et veiller aux performances des modèles déployés en production sur des environnements cloud on premise (openshift/kubernetes) - Proposer, développer et maintenir des outils et librairies internes (entrainement des modèles (automl), suivi des modèles, qualification des données) - Produire la documentation (spécifications, bonnes pratiques, documentation des outils et librairies développées en interne) - Intégrer des librairies externes demandées par les Data Scientists du groupe et veiller à leur pertinence et leur cohérence - Accompagner les équipes Data Scientists dans l'utilisation des outils, produits et solutions et les bonnes pratiques - Rédiger les expressions de besoins et réaliser la qualification des produits et solutions mis à disposition par les Data Architects pour contribuer activement aux évolutions et améliorations de l'offre Data Science de la Data Factory (Datalab/Jupyterlab, Airflow, GPU, framework d'industrialisation de modèles de ML) Vous devez : - Avoir des connaissances avancées en gestion de projet - Avoir des connaissances avancées en Python et en programmation orientée objet - Avoir des connaissances avancées sur les frameworks et algorithmes de Machine Learning (scikit-learn, xgboost, lightgbm, pandas, numpy) - Avoir une appétence pour la donnée et les cas d'usages métiers (compréhension fonctionnelle) - Etre autonome et capable d'accompagner les ML Engineers dans les revues et bonnes pratiques déjà en place (code python, optimisations de requêtes SQL, optimisations et choix des algorithmes) - Disposer d'une bonne communication à l'oral et l'écrit Environnement technique : Python, VSCode, Jupyterlab, SQL/Vertica, GPU, Kedro, Airflow, scikit-learn/xgboost/lightgbm/verticapy, Docker/Kubernetes, Gitlab/Jenkins Ce que vous allez vivre chez nous - Télétravail (2 jours par semaine) - Rémunération fixe versée sur 13 mo