AI & Data Engineer (Machine Learning) H/F

À propos du poste

Au sein de Data & AI Applications, le Chapitre Engineering est une équipe mondiale qui conçoit, construit, déploie et exploite les applications data et IA. Le poste d'AI & Data Engineer (Machine Learning) intervient sur l'ensemble du cycle de vie des opérations de Machine Learning (MLOps) : il s'agit de tâches d'ingénierie complexes, de conseils techniques et d'un haut niveau de responsabilité technique.

Missions principales

• Soutenir les équipes Data Science en fournissant des environnements ML complets, selon les standards d'Air Liquide, et accompagner l'implémentation du code, de l'ingestion des données à la mise en service des modèles.
• Collaborer avec les ingénieurs data, les développeurs logiciels et les chefs de produit pour intégrer les solutions ML dans les produits.
• Déployer et gérer des pipelines MLOps robustes pour l'intégration continue, la surveillance et le réentraînement des modèles.
• Profiler, déboguer et optimiser la performance, la latence et la consommation des ressources des modèles et des pipelines en production.
• Travailler avec l'équipe plateforme ML Ops pour transformer les besoins des produits en demandes de fonctionnalités.
• Former, encadrer et partager les connaissances avec les autres ingénieurs de l'équipe, et participer aux cérémonies Agile.

Profil recherché

• Plus de 5 ans d'expérience dans des rôles MLOps, DevOps ou infrastructure cloud, centrés sur le déploiement, la surveillance et l'échelle de systèmes d'apprentissage automatique.
• Bon niveau d'anglais et de français à l'oral et à l'écrit.
• Communication et collaboration avec des équipes et parties prenantes mondiales, et capacité à expliquer des concepts techniques.

Compétences requises

• Expertise en Python, y compris la compréhension et le refactoring de code existant.
• Expérience DevOps (CI/CD, containerisation, infrastructure as code, Git).
• Plateformes cloud (AWS, GCP) pour le déploiement de modèles ML.
• Outils MLOps : Poetry, uv, MLflow, Airflow, AWS SageMaker, Podman/Docker.