Machine Learning Ops Engineer H/F - CDI - Monaco

Description du poste

Le Machine Learning Ops Engineer 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.

Activités

Industrialisation & Pipelines (CI/CD/CT) :

• 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).

Infrastructure & Déploiement :

• 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).

Monitoring & Maintenance :

• 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).

Mise à disposition des résultats :

• Etre capable de développer des interfaces pour mettre à disposition et valoriser les résultats

Diplomes requis

Être titulaire d’un diplôme sanctionnant au minimum cinq années d’études supérieures dans les domaines de l’informatique, de la data, des systèmes d’information ou de l’ingénierie logicielle.

Durée d’expérience requise

A minima 2 ans en Data Engineering, ML Engineering, AI Engineering ou Data Science.

• Maîtriser la langue française (lu, écrit, parlé) ;
• Faire preuve de rigueur scientifique, d’autonomie, de curiosité technologique et d’un sens affirmé de l’innovation ;
• Posséder de solides compétences en modélisation et analyse de données : méthodes statistiques, machine learning supervisé et non supervisé, séries temporelles, évaluation et interprétabilité des modèles, modélisations paramétriques et simulations ;
• Maîtriser Python et ses principales bibliothèques : numpy, pandas, scikit-learn, PyTorch, TensorFlow, xgboost, lightgbm, statsmodels ;
• Utiliser efficacement les environnements collaboratifs et outils de versionnement : GitLab, GitHub, VSCode, Jupyter, tests unitaires ;
• Exploiter les outils d’industrialisation et de traitement distribué : Spark, PySpark, Polars, DBT, Kafka, Trino et de requêtage de base de données (SQL, ;
• Mettre en oeuvre les pratiques MLOps : conception de pipelines, automatisation, CI/CD, déploiement et supervision de modèles (Airflow, MLflow, FastAPI, Docker, Kubernetes) ;
• Concevoir des visualisations et analyses exploratoires pertinentes à l’aide de matplotlib, seaborn, plotly ou Tableau ;
• Outils de ML Ops pour monitorer des modèles (ex. MLFlow, giskard, ...)

• Fiabilité et rigueur, essentielles pour maintenir un parc de pipelines critique.
• Attitude proactive, capable d’anticiper les risques et besoins en performance.
• Esprit d’équipe
• Autonomie et sens de l’initiative, tout en sachant remonter les alertes adéquates.
• Communication claire, y compris sur des problématiques techniques complexes.
• Posture orientée solutions, avec une volonté d’amélioration continue.

• Télétravail 2 jours / semaine
• Mise à disposition d'un ordinateur portable, sacoche d'ordinateur, docking station portable, casque audio

Nous nous engageons en faveur de la diversité, l'égalité Hommes/Femmes et l'emploi des travailleurs en situation de handicap.

Seuls les ressortissants européens ou détenteurs d'un titre de séjour émis par la Préfecture des Alpes-Maritimes (06) sont éligibles à un emploi en Principauté.