Infotel Conseil accompagne les directions Informatiques et Métiers des grandes entreprises depuis plus de 45 ans (Airbus, BNP Paribas, Banque de France, BPCE, Air France, Arkéa, Stellantis, etc.). C'est aujourd'hui plus de 3 100 Infotéliens qui ont rejoint le groupe en France (Paris, Toulouse, Lyon, Bordeaux, Lille, Rennes, Nantes, etc.) et à l'étranger (UK, Monaco, Allemagne, US, Canada, Inde, Maroc). Nous avons ainsi réalisé en 2024 un chiffre d'affaires de 294,8 M€.
Infotel Conseil, spécialiste des projets IT, intervient pour ses clients sur la gestion et l'évolution de leur patrimoine informatique. Retrouvez nos informations sur www.infotel.com. Nous recherchons pour notre client un Ingénieur MLOps (Machine Learning Operations ) afin d'assurer l'industrialisation, la mise en production et garantir la fiabilité à grande échelle de Data Science/Machine Learning.
L' Ingénieur MLOps sera principalement le pont entre l'équipe Data au sens large (Data Engineer, Datascientist, Ingénieur IA) et l'équipe Opérations/DevOps. L'objectif principal sera d'industrialiser les projets de Machine Learning, de l'expérimentation jusqu'au déploiement en production, en garantissant robustesse, scalabilité et reproductibilité. Ce rôle technique est intégralement orienté delivery / développement logiciel
Missions :
- Concevoir et industrialiser les cas d'usage : structurer techniquement le projet, implémenter les tests
- Concevoir et maintenir les pipelines d'intégration continue (CI), de déploiement continu (CD) et d'entraînement continu (CT) pour les modèles de ML
- Automatiser les flux de travail de la donnée (Data Pipelines Airflow) en collaboration avec le Data Engineer
- Garantir la reproductibilité des entraînements (versioning des données, du code et des modèles)
- Conteneuriser les cas d'usage et modèles (Docker), orchestrer leur déploiement (Kubernetes)
- Mettre en place des stratégies de "Model Serving" (API REST, gRPC, Batch processing)
- Mettre en place des outils de surveillance pour suivre la santé des modèles en production
- Détecter et alerter sur le Data Drift (dérive des données) et le Model Drift (baisse de performance).
- Gérer le cycle de vie complet des modèles (re-training, mise hors service)
Être capable de développer des interfaces pour mettre à disposition et valoriser les résultats
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.