En tant qu'Ingénieur ML au sein de l'équipe ML Platform, vous mettrez à profit votre solide expérience en industrialisation, votre maîtrise de Python et votre expertise pratique de l'entraînement de modèles. Votre rôle sera de faciliter le travail quotidien du ML Lab sur Lambda.ai (http://Lambda.ai) (leur "neocloud" de choix) et d'assurer la liaison avec l'outillage MLOps (principalement sur AWS), en étroite collaboration avec un ingénieur DevOps dédié. RESPONSABILITÉS CLÉS * Favoriser l'expérimentation rapide : Créer et maintenir les outils permettant aux chercheurs d'itérer rapidement sur de nouvelles approches ML. * Gérer des expériences de recherche à grande échelle : Concevoir et superviser des cycles d'entraînement massifs sur l'infrastructure Lambda.ai (http://Lambda.ai), en implémentant le suivi des expériences (experiment tracking) et la reproductibilité. * Faciliter la collaboration externe : Permettre une collaboration sécurisée avec des partenaires académiques et l'accès aux ressources open-source tout en respectant les protocoles de sécurité. * Optimisation des performances et des ressources : Profiler et optimiser les pipelines d'entraînement ; gérer efficacement les ressources GPU. * Développement d'outils de recherche : Développer des bibliothèques et utilitaires spécifiques aux domaines du Lab (nouvelles architectures, techniques d'entraînement, frameworks d'évaluation). * Transfert de connaissances : Partager les enseignements issus de la recherche expérimentale avec l'ensemble de l'équipe ML Platform et les chercheurs VOTRE PROFIL Nous recherchons des candidats ayant d'expérience 6-10ans d'expérience en ingénierie du Machine Learning, avec une réussite démontrée dans des environnements de recherche ou académiques. Compétences Techniques (Indispensables) * Python : Excellentes capacités en ingénierie logicielle, avec un accent sur la qualité du code de recherche. * Frameworks ML : Expérience pratique des frameworks modernes (PyTorch, JAX, ou similaires) et des fondamentaux du Deep Learning. * Entraînement à grande échelle : Expérience dans la mise en place d'entraînements distribués, la gestion des hyperparamètres et le suivi d'expériences. * Optimisation GPU : Maîtrise des environnements GPU/CUDA et des techniques d'optimisation. * Systèmes : Maîtrise de Linux/UNIX et des outils en ligne de commande. * DevOps & Collaboration : Maîtrise de Git, Docker (pour des environnements reproductibles) et connaissance de l'écosystème Cloud (AWS idéalement). Soft Skills * Veille technologique : Passion pour la recherche ML et capacité à évaluer de nouvelles techniques avec un œil critique. * Communication : Excellente capacité rédactionnelle et orale (Anglais obligatoire) pour documenter les travaux de recherche. * Esprit de traduction : Capacité à traduire des objectifs de recherche en implémentations techniques concrètes. * Collaboration : Aisance à travailler avec des profils variés (chercheurs, partenaires externes, ingénieurs). * Autonomie : Capacité à gérer l'ambiguïté propre aux contextes de recherche et à mener des projets dont les exigences sont parfois mouvantes. * Pragmatisme : Savoir arbitrer entre rigueur scientifique et vitesse d'exécution selon le contexte.