Find your next tech and IT Job or contract Tensorflow

Rejoignez une entreprise innovante dans le secteur des logiciels d'automatisation web à Bordeaux. Nous transformons notre produit phare avec une nouvelle version conversationnelle IA, intégrant des agents avancés. Intégrez une équipe dédiée composée du CTO, du CEO, et d'ingénieurs Fullstack et backend, pour travailler sur un projet de développement d'une V1 fonctionnelle de notre nouvelle plateforme IA, à réaliser en quelques semaines. Ce poste de ML Engineer est essentiel pour établir de nouvelles normes techniques et concevoir l'infrastructure IA de demain. Initialement basé à Bordeaux pour 6 mois, ce poste a la flexibilité de devenir remote en cas d'embauche en CDI. Missions Principales : - Concevoir, entraîner et adapter des modèles NLP et LLM hautement performants. - Mettre en place et superviser l'infrastructure ML (suivi de modèles, déploiement). - Collaborer avec l'équipe Fullstack AI pour intégrer vos modèles dans les produits finals. Annexes : - Soutenir l'introduction et l'utilisation de LLMs et de diverses techniques pour améliorer les systèmes IA. - Surveiller et améliorer en continu les modèles déployés, en assurant leur performance optimale.

Contexte du poste Rejoignez une entreprise innovante appartenant à un groupe de renom œuvrant dans le domaine des télécommunications. Avec des équipes basées à Lyon, notre entreprise s'attache à transformer l'expérience client à travers le développement de solutions IT innovantes pour divers opérateurs télécoms à travers le monde. Actuellement, nous sommes à la recherche d'un Data Scientist passionné pour rejoindre une équipe dynamique et motivée, composée de 9 personnes, dédiée à l'optimisation des réseaux radio du groupe. Dans le cadre de notre croissance et de l'évolution de nos projets, nous lançons ce recrutement pour soutenir nos efforts en intelligence artificielle et en data science. Missions Missions principales - Développer et mettre en œuvre des solutions IA pour résoudre des problématiques complexes dans le secteur des télécoms, incluant l'optimisation radio et le monitoring automatique. - Contribuer à l'amélioration de l'efficacité énergétique du réseau et à la création de chatbots business-orientés. Missions annexes - Collaborer avec les commanditaires pour définir les cas d’usage et s’assurer de la pertinence des applications proposées. - Coordonner les initiatives de Crédit Impôt Recherche et encadrer un alternant en Data Science. - Participer activement à l'intégration de modèles de données dans l'environnement de production et maintenir une veille technologique rigoureuse. Stack technique Compétences à maîtriser - Python 3, SQL, TensorFlow, scikit-learn, Keras, Pandas, Matplotlib, Ploty, seaborn. - Data processing avec Jupyter Lab, Airflow, Superset. Environnement technique - Bases de données relationnelles et non-relationnelles, fichiers csv et parquet, outils de gestion de projet tels que JIRA et Confluence.

Au sein de l'équipe Data du client, vous serez le/la référent(e) technique sur l'ensemble du cycle de vie des projets data : Analyser des jeux de données complexes pour en extraire des insights stratégiques Concevoir et développer des modèles de Machine Learning et de Deep Learning Appliquer des méthodes statistiques avancées d'analyse de survie et de fiabilité (Kaplan-Meier, Weibull) Déployer les modèles en production via GitLab (CI/CD) Visualiser et restituer les résultats auprès des équipes métiers Collaborer avec les équipes techniques et non-techniques pour garantir l'impact opérationnel des solutions

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).

Tu rejoins une équipe pluridisciplinaire, en tant que ML Engineer, tu interviens sur l'ensemble du cycle de vie des features ML — de l'idée à la mise en production — en collaboration étroite avec les équipes back-end, front-end et produit. Parmi les sujets sur lesquels tu pourras contribuer : personnalisation des résultats de recherche / recommandations (nouveaux signaux, nouvelles architectures de modèles, A/B tests), refonte du système d'auto-complétion, amélioration des pipelines ML (automatisation, monitoring, observabilité), ou encore exploration proactive de nouvelles approches ML pour résoudre des problèmes utilisateurs concrets. Le poste est volontairement équilibré entre modélisation et industrialisation , dans un stack moderne : Python, PyTorch, TensorFlow, MLflow, Kubeflow, Airflow, KServe, AWS, FastAPI, Kubernetes

Je suis à la recherche pour un de nos clients d'un Testeur modèles IA. Tester des modèles d'IA, des systèmes pilotés par l'IA et des applications centrées sur les données - Conception de cas de tests pour les systèmes dynamiques/pilotés par l'IA - Conception de cas de tests spécifiques par niveau (code, data, modèle LLM, pipeline) - Dossier d'évaluation de la précision, de l'explicabilité et du biais du modèle utilisé - Dossier d'évaluation de l'impact éthique de la dérive des données - Cahiers de tests d'IA sur des cas particuliers Python, Langchain Eval, RAGAS, LangFuse, outils de tests (PyTest, TensorFlow, MLFlow, Azure ML etc…) Conception de cas de tests Biais, équité et explicabilité en IA

Le contexte Tu intègres une équipe data de +12 personnes sur un projet à forte criticité : conception de workflows agentiques connectés à un écosystème data interne, avec de vrais enjeux business (CA, marge, pricing, promotion). Solide expérience en Machine Learning & optimisation (modèles prédictifs, algos de perf — idéalement pricing ou promotion) Data modeling pour alimenter des agents IA (input agents, référentiels produits) Maîtrise de l' IA générative et du NLP : conception de workflows agentiques (analyse de messages, génération de réponses, interaction automatisée) Stack & atouts appréciés Python (Pandas, NumPy, SciPy), Scikit-learn / TensorFlow / PyTorch, GCP , BigQuery & Looker Studio, Git / CI/CD, bonnes pratiques de craftsmanship (SOLID, tests, Sonar), méthodes agiles. Profil +7 ans en Data Science Python, Bac+5 (école d'ingé / université) ou équivalent Expertise hybride : Agentic AI + GenAI (LLM) + ML décisionnel Français courant (interactions métier)