Mission freelance Machine Learning Engineer Lead Expert

CONTEXTE

EXPERIENCE : 5 ans et plus

Métiers  Fonctions :Data Management, Machine Learning Engineer

Spécialités technologiques: Cloud, Machine learning, Big Data, Simulation
Deep learning

Description et livrables de la prestation

Notre client, dans le secteur de l’assurance, est à la recherche d’un Machine Learning Engineer Lead Expert pour un projet de recherche appliquée sur les événements climatiques extrêmes à l’aide de modèles d’IA. Les équipes travaillent sur des simulations météo afin d’identifier les risques de catastrophes, avec pour objectif de développer et d’entraîner des modèles de Machine Learning dédiés.
Il s’agit de gestion de big data sur de très gros modèles, avec un code intégralement en Python.
La maîtrise du cloud AWS et des environnements on-premise est indispensable.
- Permettre à l’équipe R&D de développer et d’évaluer des modèles en fournissant et en gérant du code et des données de qualité.
- Refactoriser, structurer et documenter la bibliothèque existante en Python pour les simulations, l’inférence de modèles et l’analyse.
- Développer des pipelines robustes pour la simulation, la détection d’événements extrêmes, l’entraînement et l’évaluation des modèles (y compris sur GPU). L’accent sera mis sur le développement logiciel (les modèles seront fournis par l’équipe).
- Mettre en œuvre et appliquer les meilleures pratiques de développement logiciel scientifique (tests, CI/CD, conception modulaire, reproductibilité).
- Optimiser l’utilisation d’un serveur (multi-)GPU pour les simulations et entraînements IA à grande échelle (I/O, planification, parallélisme).
- Former et accompagner l’équipe sur les bonnes pratiques de développement scientifique et d’utilisation des GPU.

Expertise souhaitée

Obligatoires :
- Python avancé et meilleures pratiques de développement logiciel
- Pipelines scientifiques : orchestration, traitement en lots, suivi d’expérimentations
- Outils : Git, Docker
- Cloud AWS et environnements on-premise
Souhaitées :

- Gestion de données climatiques ou géospatiales : xarray, Zarr, S3
- Deep learning sur GPU : PyTorch, entraînement multi-GPU, optimisation des performances
- Ingénierie logicielle scientifique, MLOps ou infrastructures de données en environnement R&D
- Expérience avérée en collaboration sur des bases de code robustes, performantes et scalables
- Familiarité ou fort intérêt pour les sciences du climat, la simulation ou la modélisation physique est un plus
- Solides compétences en transmission de connaissances et en communication
- Exigence élevée en termes de qualité et de clarté du code