MLOps Engineer

Description de l'entreprise Poste en consultance chez un de nos clients Bienvenue dans l'univers de Size Up Consulting ! 🔥 Size Up Consulting, est plus qu'une simple société de conseil, elle se positionne comme partenaire engagé dans la réussite de ses clients et de ses collaborateurs, guidée par les 4 valeurs qui fédèrent notre collectif : la proximité , l'excellence, l'épanouissement  et l'engagement. Dans un paysage IT en constante évolution, les missions de Size Up Consultings sont d'optimiser la stratégie digitale et l'expérience utilisateur en exploitant pleinement le potentiel des données. La société est reconnue dans trois domaines d'expertise majeures : la Data, le DevOps, et l'accompagnement utilisateur. Quelques chiffres clés : 200 experts IT, une durée moyenne d’ancienneté de 5 ans, 31% des collaborateurs formés en 2022, l'appartenance à un groupe reconnu et présent dans le monde de l'IT depuis 30 ans 🚀 Prêt à faire partie d'une entreprise bienveillante où votre réussite sera aussi la nôtre ? Rejoignez-nous ! Description du poste Localisation : Paris / Lille Durée : mission longue, supérieure à 6 mois Démarrage : dès que possible Dans le cadre du développement d’une Data Factory, nous recherchons un Senior MLOps Engineer pour renforcer l’industrialisation, le déploiement et l’exploitation de modèles Machine Learning à grande échelle. Le consultant interviendra sur des environnements Cloud AWS et GCP et contribuera à la construction et à l’évolution d’une plateforme MLOps utilisée par les équipes Data Science et Machine Learning. Missions Concevoir et industrialiser des pipelines MLOps de bout en bout. Automatiser les phases de training, validation, déploiement et continuous training. Déployer et exploiter des modèles Machine Learning en production. Gérer le cycle de vie des modèles avec MLflow, Model Registry et les outils associés. Construire et maintenir les infrastructures nécessaires aux workloads ML et GPU. Déployer et administrer les environnements conteneurisés avec Docker et Kubernetes. Automatiser le provisioning des infrastructures avec Terraform. Mettre en place les pipelines CI/CD dédiés aux workloads ML. Contribuer au monitoring des modèles, à la détection de drift et à l’observabilité des plateformes. Optimiser les performances, la scalabilité et les coûts des infrastructures ML. Accompagner les Data Scientists et ML Engineers dans l’industrialisation de leurs modèles. Participer à la documentation, aux bonnes pratiques et à l’amélioration continue de la plateforme. Environnement technique AWS et GCP Python Terraform Docker Kubernetes MLflow Model Registry Databricks Airflow GitHub Actions / CI/CD GPU infrastructure et autoscaling Monitoring et drift detection Profil recherché Minimum 3 ans d’expérience sur des problématiques MLOps, ML Platform Engineering ou DevOps appliqué au Machine Learning. Expérience réelle de mise en production de modèles ML. Très bonne maîtrise de Python. Solide expérience Cloud sur AWS et/ou GCP. Maîtrise de Terraform, Docker et Kubernetes. Expérience de MLflow et de la gestion du cycle de vie des modèles. Bonne compréhension des problématiques de monitoring, performance et scalabilité des modèles en production. Une expérience Databricks, Airflow, Feature Store ou infrastructures GPU constitue un réel atout. Anglais professionnel requis. Informations supplémentaires Tous nos postes se conjuguent au féminin et au masculin et sont bien évidemment ouverts aux personnes en situation de handicap.