Descriptif du poste: Les missions du poste En tant qu'Ingénieur Machine Learning (H/F), vous aurez les missions suivantes : Vos missions principales : Développer, entraîner, et optimiser des modèles de Machine Learning (ML) et Deep Learning (DL). Mettre en place des pipelines pour le déploiement des modèles en production (MLOps). Collecter, prétraiter et analyser des jeux de données massifs et complexes. Collaborer avec les équipes Data Science, Data Engineering et métiers pour répondre aux besoins des clients. Implémenter des solutions scalables pour le traitement des données et l'inférence des modèles. Assurer la maintenance, la surveillance et la mise à jour des modèles en production. Explorer les dernières avancées en IA pour proposer des solutions innovantes. Les technologies et compétences recherchées : Langages de programmation : Python (TensorFlow, PyTorch, Scikit-learn), R, Java, Scala, Julia. Bibliothèques et frameworks : Machine Learning : Scikit-learn, XGBoost, LightGBM, CatBoost. Deep Learning : TensorFlow, PyTorch, Keras, MXNet. Traitement du langage naturel (NLP) : Transformers (Hugging Face), SpaCy, NLTK. Vision par ordinateur : OpenCV, Detectron2, YOLO. Plateformes : AWS (SageMaker, EC2, S3), Azure (ML Studio, Synapse), Google Cloud (Vertex AI, BigQuery). MLOps et industrialisation : Outils : MLflow, DVC, Kubeflow, Airflow, Prefect. Conteneurs : Docker, Kubernetes. CI/CD : Jenkins, GitLab CI, GitHub Actions. Bases de données et Big Data : Bases relationnelles : PostgreSQL, MySQL, SQL Server. Bases NoSQL : MongoDB, Cassandra, Redis. Big Data : Apache Spark, Hadoop, Hive. Outils de gestion des données et visualisation : Pandas, NumPy, Matplotlib, Seaborn, Plotly. Tableaux de bord : Power BI, Tableau. Compétences supplémentaires : Gestion des données massives (Big Data). Connaissances en mathématiques appliquées (statistiques, optimisation). Notions en sécurité et éthique de l'IA. Profil recherché: Votre profil : Bac+5 en informatique, mathématiques appliquées, ou équivalent. Expérience significative en développement et déploiement de modèles ML/DL (au moins 2 ans). Connaissance des bonnes pratiques de MLOps et de l'industrialisation des modèles. Esprit d'analyse, curiosité technologique, et aptitude à résoudre des problèmes complexes. Bonnes capacités de communication et esprit d'équipe.