Offre d'emploi Data Engineer - Internalisation possible

Profil recherché 

• De formation ingénieur (informatique, data, IA, mathématiques appliquées) ou équivalent, vous disposez d’une expérience confirmée (minimum 5 ans) en tant que Data Scientist / Machine Learning Engineer, avec une exposition significative à des projets industriels ou à fort enjeu de production ; 

• Vous avez conçu, entraîné, validé et déployé des modèles de Machine Learning (prédictifs et/ou Computer Vision) en environnement de production, et assuré leur suivi dans le temps ; 

• Vous maîtrisez les bonnes pratiques MLOps : versioning des données et des modèles, automatisation des pipelines, CI/CD, monitoring des performances et gestion du cycle de vie des modèles ; 

• Vous êtes à l’aise dans des architectures hybrides combinant on-premise et cloud public, et avez déjà travaillé avec AWS, en particulier AWS SageMaker pour l’entraînement et le déploiement de modèles ; 

• Vous savez collaborer avec des équipes pluridisciplinaires (IT, data, métiers industriels) et êtes capable de traduire des problématiques métier complexes en solutions data robustes ; 

• Une connaissance du monde industriel / manufacturing (OT) et des données issues de capteurs, machines ou systèmes MES est un atout apprécié ; 

• Vous possédez un bon relationnel, appréciez le travail en équipe tout en faisant preuve d’autonomie, de rigueur et d’esprit d’initiative. 

Connaissances requises 

• Machine Learning supervisé et non supervisé (régression, classification, détection d’anomalies, séries temporelles) ; 

• Expérience pratique en Computer Vision (traitement d’images, CNN, modèles deep learning) ou modèles prédictifs industriels ; 

• Langages et frameworks : Python, Pandas, NumPy, Scikit-learn, PyTorch et/ou TensorFlow ; 

• Mise en production de modèles IA (API, batch, streaming) ; 

• MLOps : 

• pipelines d’entraînement et d’inférence, 

• versioning (code, données, modèles), 

• monitoring des performances et de la dérive des données/modèles ; 

• Architectures à base de containers (Docker / Podman) ; 

• Orchestration de containers : Kubernetes / OpenShift ; 

• Environnements cloud publics, en particulier AWS (S3, SageMaker, IAM, ECR, CloudWatch) ; 

• Bonnes pratiques de développement logiciel (Git, tests, CI/CD). 

Connaissances appréciées en plus 

• Expérience en environnement industriel (Manufacturing, MES, Qualité, Maintenance prédictive) ; 

• Architectures data industrielles : Data Lakes, streaming temps réel ; 

• Expérience sur Snowflake (entreposage de données, data sharing, tâches/streams, optimisation coûts/perf) ; 

• Expérience sur Dataiku; 

• Message brokers : Kafka, MQTT ; 

• Outils de monitoring et d’observabilité : Prometheus, Grafana, CloudWatch ; 

• Gestion de données volumineuses ou hétérogènes issues de capteurs industriels (time series) ; 

• Notions de cybersécurité appliquées aux environnements industriels et cloud. 

Certifications requises 

• Aucune certification obligatoire ; 

• Des certifications AWS (Machine Learning, Data Analytics, Cloud Practitioner) ou équivalent sont un plus apprécié, si vous pouvez démontrer votre maîtrise pratique des environnements cloud et MLOps. 

Contacts internes et externes  

• Vous êtes intégré à l’équipe Usine du futur aux côtés d’ingénieurs data, IT et industriels ; 

• Vous interagissez étroitement avec les équipes MES, Qualité, Maintenance, UNS, IT et Cloud ; 

• Vous pouvez être amené à collaborer avec des partenaires technologiques ou fournisseurs de solutions.

• Possibilité de télétravail jusqu’à 2 jours/semaine, en fonction des tâches et objectifs