Ingegnere di Machine Learning Ops M/F - CDI - Monaco

Descrizione del lavoro

Il Machine Learning Ops Engineer agirà principalmente come ponte tra il team Data in senso lato (Data Engineer, Datascientist, AI Engineer) e il team Operations/DevOps. L'obiettivo principale sarà quello di industrializzare i progetti di Machine Learning, dalla sperimentazione alla messa in produzione, garantendo robustezza, scalabilità e riproducibilità. Questo ruolo tecnico è interamente orientato alla consegna e allo sviluppo del software.

Attività

Industrializzazione e pipeline (CI/CD/CT):

• Progettazione e industrializzazione di casi d'uso: strutturazione tecnica del progetto, implementazione di test, ecc.
• Progettare e mantenere pipeline di integrazione continua (CI), distribuzione continua (CD) e formazione continua (CT) per i modelli ML.
• Automatizzare i flussi di lavoro dei dati (Data Pipelines Airflow) in collaborazione con il Data Engineer.
• Garantire la riproducibilità della formazione (versioning di dati, codice e modelli).

Infrastruttura e distribuzione:

• Containerizzazione di casi d'uso e modelli (Docker), orchestrazione del loro deployment (Kubernetes).
• Implementazione di strategie di "Model Serving" (API REST, gRPC, elaborazione batch).

Monitoraggio e manutenzione:

• Implementazione di strumenti di monitoraggio per seguire lo stato di salute dei modelli in produzione.
• Rilevare e segnalare la deriva dei dati e dei modelli.
• Gestire il ciclo di vita completo dei modelli (riqualificazione, dismissione).

Rendere disponibili i risultati:

• Essere in grado di sviluppare interfacce per rendere disponibili i risultati e sfruttarli al meglio.

Qualifiche richieste

Almeno cinque anni di formazione superiore nei settori dell'informatica, dei dati, dei sistemi informativi o dell'ingegneria del software.

Esperienza richiesta

Almeno 2 anni in Data Engineering, ML Engineering, AI Engineering o Data Science.

• Conoscenza fluente della lingua francese (lettura, scrittura e conversazione);
• Dimostrare rigore scientifico, autonomia, curiosità tecnologica e forte senso dell'innovazione;
• Solide competenze nella modellazione e nell'analisi dei dati: metodi statistici, machine learning supervisionato e non, serie temporali, valutazione e interpretabilità dei modelli, modellazione parametrica e simulazioni;
• Padroneggiare Python e le sue principali librerie: numpy, pandas, scikit-learn, PyTorch, TensorFlow, xgboost, lightgbm, statsmodels;
• Utilizzare efficacemente gli ambienti collaborativi e gli strumenti di versionamento: GitLab, GitHub, VSCode, Jupyter, test unitari;
• Utilizzare strumenti di industrializzazione e di elaborazione distribuita: Spark, PySpark, Polars, DBT, Kafka, Trino e interrogazione di database (SQL, ;
• Implementazione di pratiche MLOps: progettazione di pipeline, automazione, CI/CD, distribuzione e monitoraggio di modelli (Airflow, MLflow, FastAPI, Docker, Kubernetes);
• Progettazione di visualizzazioni rilevanti e analisi esplorative utilizzando matplotlib, seaborn, plotly o Tableau;
• Strumenti ML Ops per il monitoraggio dei modelli (es. MLFlow, giskard, ecc.).

• Affidabilità e rigore, essenziali per la manutenzione di una flotta di condotte critiche.
• Atteggiamento proattivo, in grado di anticipare i rischi e le esigenze di rendimento.
• Spirito di squadra
• Autonomia e iniziativa, con la capacità di lanciare allarmi appropriati.
• Comunicazione chiara, anche su questioni tecniche complesse.
• Orientamento alla soluzione, con un impegno al miglioramento continuo.

• Telelavoro 2 giorni a settimana
• Laptop, borsa per laptop, docking station portatile, cuffie fornite.

Ci impegniamo per la diversità, la parità di genere e l'impiego di lavoratori disabili.

Solo i cittadini europei o i titolari di un permesso di soggiorno rilasciato dalla Prefettura delle Alpi Marittime (06) possono essere assunti nel Principato.