Job Vacancy Ingénieur IA LLM/MLOps/LangGraph
Ile-de-France
OBJECTWARE
Share this job
Les missions sont:
1- Conception et développement d’agents autonomes avec LangGraph :
- Architecture des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle).
-Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows).
-Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute).
2- Intégration avec des pipelines ML/MLOps existants :
-Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines.
-Automatisation de versioning des agents et leur déploiement.
3- Ingénierie des données et features pour les agents :
-Construction des pipelines de données pour alimenter les agents
-Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques).
-Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases).
4- Tests et robustesse :
-Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes).
-Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith.
-Documentation des limites et cas d’usage (ex: matrice de risques pour les décisions critiques).
Compétences souhaitées:
Expérience avancée avec LangGraph :
-Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs.
-Expérience en déploiement d’agents en production.
Python et écosystème IA :
-Bibliothèques : langgraph, langchain, llama-index, pydantic.
-Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).
Candidate profile
Les missions sont:
1- Conception et développement d’agents autonomes avec LangGraph :
- Architecture des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle).
-Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows).
-Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute).
2- Intégration avec des pipelines ML/MLOps existants :
-Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines.
-Automatisation de versioning des agents et leur déploiement.
3- Ingénierie des données et features pour les agents :
-Construction des pipelines de données pour alimenter les agents
-Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques).
-Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases).
4- Tests et robustesse :
-Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes).
-Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith.
-Documentation des limites et cas d’usage (ex: matrice de risques pour les décisions critiques).
Compétences souhaitées:
Expérience avancée avec LangGraph :
-Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs.
-Expérience en déploiement d’agents en production.
Python et écosystème IA :
-Bibliothèques : langgraph, langchain, llama-index, pydantic.
-Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).
Working environment
Les missions sont:
1- Conception et développement d’agents autonomes avec LangGraph :
- Architecture des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle).
-Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows).
-Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute).
2- Intégration avec des pipelines ML/MLOps existants :
-Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines.
-Automatisation de versioning des agents et leur déploiement.
3- Ingénierie des données et features pour les agents :
-Construction des pipelines de données pour alimenter les agents
-Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques).
-Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases).
4- Tests et robustesse :
-Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes).
-Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith.
-Documentation des limites et cas d’usage (ex: matrice de risques pour les décisions critiques).
Compétences souhaitées:
Expérience avancée avec LangGraph :
-Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs.
-Expérience en déploiement d’agents en production.
Python et écosystème IA :
-Bibliothèques : langgraph, langchain, llama-index, pydantic.
-Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).
Apply to this job!
Find your next career move from +9,000 jobs!
Manage your visibility
Salary, remote work... Define all the criteria that are important to you.
Get discovered
Recruiters come directly to look for their future hires in our CV library.
Join a community
Connect with like-minded tech and IT professionals on a daily basis through our forum.
Ingénieur IA LLM/MLOps/LangGraph
OBJECTWARE