Collective.work
Postulez maintenant
Vous allez être redirigé vers le site de Collective.work.
Postuler chez Collective.workPostée il y a 1h · CDI
Description du poste
Salaire: 60000
Chef de projet Intégration , DEVOPS & ML Engineer Cloud
Contexte de la mission
1. Contexte et raison d'être de la mission
Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP).
Pour accompagner nos projets , nous recherchons un Chef de projet Intégration, Dev Ops & ML Engineer expérimenté. Intervenant à l'interface entre les équipes Métier / Data Science et les équipes Infrastructure / Exploitation, le prestataire reformera un binôme technique étroit avec une ingénieure ML/MLOps déjà en poste afin d'assurer la continuité de service et de faire évoluer deux volets de cas d'usage ML en production.
2. Périmètre opérationnel - Deux volets ML en production
Volet 1 - Cas d'usage ML sur AWS (Data Science appliquée & Serverless)
- Traitement de données opérationnelles à grande échelle : analyse exploratoire (EDA) sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel (relations non 1:1, désambiguïsation « au plus proche », fenêtres temporelles, gestion des données manquantes et des signaux GPS défaillants).
- Services serverless et génération documentaire : conception et exploitation de traitements de flux serverless et de génération automatisée de documents (ex. rapports multi-images).
- Environnement technique AWS : Amazon Sage Maker (training, inférence, pipelines, model registry), Amazon Bedrock (GenAI, RAG, Guardrails), Lambda, S3, Glue, Kinesis / Firehose, Athena, Comprehend / Textract, boto3 ; socles data ELK et Big Query ; IaC Terraform.
Volet 2 - Cas d'usage MLOps sur Azure (Industrialisation de modèles)
- Industrialisation de modèles de bout en bout : gestion de jeux de données versionnés -> pipelines d'entraînement
Offres similaires
L'essentiel de l'actu IA décrypté en 5 min, pour rester à jour. Gratuit.