MLOPS Engineer (IT) / Freelance

En tant qu?Ingénieur MLOps Senior, vous aurez pour mission de développer et d?optimiser les outils internes de MLOps afin de soutenir l?ensemble du cycle de vie des modèles d?IA. Vous serez spécialisé(e) dans l?utilisation des GPU pour améliorer l?entraînment, le déploiement et le serving des modèles. Construire et optimiser les pipelines de données pour la gestion des jeux de données, l?entraînment, l?évaluation et le déploiement des modèles. Garantir la traçabilité et la reproductibilité des expériences. Améliorer la maintenabilité et l?évolutivité des composants de la plateforme, en environnements cloud (AWS) ou on-premise. Configurer et gérer les infrastructures GPU pour l?entraînment des modèles. Implémenter des techniques avancées comme le mixed-precision training, la quantification et l?optimisation d?inférence via Triton Server ou TensorRT. Réduire les temps de calcul en exploitant les outils comme cuDNN ou NVIDIA Nsight. Développer des solutions robustes pour le serving des modèles d?IA dans des environnements contraints (on-premise et cloud). Améliorer la scalabilité des serveurs d?inference multi-GPU pour gérer un grand volume de requêtes. Mettre en place des outils de monitoring et de benchmarking des performances des modèles. Intégrer les workflows d?entraînment et de déploiement dans des pipelines CI/CD (GitHub Actions, Nomad). Automatiser le réentraîment des modèles en continu. Maintenir des tests de non-régression pour garantir la stabilité des modèles en production. Effectuer une veille technologique pour identifier les nouvelles solutions et techniques (AutoML, Kubeflow, TFX). Diffuser les bonnes pratiques et former les membres de l?équipe à travers du mentoring et des sessions techniques. Profil candidat: Langages : Maîtrise de Python orienté objet. Frameworks : Expérience avancée avec TensorFlow, PyTorch, et FastAPI. GPU : Bonne connaissance de CUDA, cuDNN, TensorRT, et des serveurs d?inference comme Triton. Cloud : Maîtrise d?AWS (EC2, S3, RDS). CI/CD : Expérience avec GitHub Actions, Nomad ou des outils similaires. DataOps : Familiarité avec les workflows d?automatisation pour l?entraînment et le déploiement des modèles. Minimum 5 ans d?expérience en MLOps, Data Engineering ou Machine Learning Engineering. Une expérience dans le développement de pipelines optimisés pour les GPU est un atout majeur. Excellente communication et capacité à collaborer avec des équipes pluridisciplinaires (data scientists, développeurs, devops). Capacité à travailler dans un environnement dynamique avec des priorités concurrentes. Esprit d?innovation et curiosité pour les nouvelles technologies.

Location: Paris, FR

Posted Date: 1/12/2025