Descriptif du poste: Votre rôle   Nous recherchons un(e) Machine Learning Engineer passionné(e) par l'intelligence artificielle et ses applications concrètes. Vous jouerez un rôle clé dans le développement et la mise en production de solutions basées sur le Machine Learning, en intégrant des pratiques de MLOps pour assurer robustesse, scalabilité et automatisation des workflows.     Missions principales Concevoir, entraîner et déployer des modèles de Machine Learning en utilisant des outils avancés tels que Azure Machine Learning et Databricks.   Implémenter et gérer des pipelines de données et de modèles dans un environnement MLOps.   Exploiter des frameworks comme Apache Spark pour traiter et analyser des volumes de données massifs.   Collaborer avec les équipes Data et IT pour assurer une intégration fluide des solutions ML dans des environnements Cloud, notamment Azure.   Optimiser les performances des modèles (hyper-paramétrage, réduction de la complexité, scalabilité) tout en garantissant la reproductibilité des processus.   Mettre en place des systèmes de monitoring pour suivre les performances des modèles en production.   Effectuer une veille technologique pour intégrer les dernières avancées en Machine Learning et outils Cloud.  Profil recherché: Profil recherché   Formation : Bac+5 en informatique, mathématiques appliquées, ou équivalent.   Expérience : minimum 2 ans dans un poste similaire, avec une expérience démontrée en déploiement de solutions ML dans un cadre MLOps.   Compétences techniques :   Maîtrise de Python et des bibliothèques ML (TensorFlow, PyTorch, Scikit-learn).   Expérience avec Azure Machine Learning, Databricks, et Apache Spark.   Solide compréhension des concepts d'intégration continue/déploiement continu (CI/CD) pour les pipelines ML.   Connaissance approfondie des outils Cloud (Azure principalement, AWS ou GCP en complément) et de la conteneurisation (Docker, Kubernetes).   Atouts :   Connaissance en traitement du langage naturel (NLP) ou vision par ordinateur.   Expérience avec des bases de données relationnelles (SQL) et non relationnelles (MongoDB, Cassandra).   Familiarité avec des outils de versioning pour modèles (ex. MLflow).   Qualités personnelles :   Esprit analytique et rigueur scientifique.   Curiosité, autonomie et goût pour le travail en équipe.   Capacité à vulgariser des concepts techniques complexes.