Mission freelance Data Engineer / ML Engineer – Python, GCP & MLOps (H/F)

Dans le cadre du développement et de l'évolution de sa plateforme Data & IA, notre client recherche un consultant Data / ML Engineer pour renforcer ses équipes techniques.

Vous interviendrez sur des projets à forte dimension Data Science et Machine Learning, notamment autour de solutions de personnalisation, de recommandation et d'exploitation intelligente des données.

Intégré à une équipe pluridisciplinaire composée de développeurs, Data Engineers, Data Scientists et experts techniques, vous contribuerez à la conception, à l'industrialisation et à l'amélioration continue des solutions Data & ML déployées dans un environnement Cloud.

• Concevoir et développer des pipelines de données complets : ingestion, transformation, structuration et mise à disposition des données.

• Développer et industrialiser des pipelines Machine Learning, de la préparation des datasets jusqu'au déploiement et à l'inférence des modèles.

• Participer à la mise en production de modèles de Deep Learning et de solutions reposant sur des architectures d'embeddings.

• Mettre en place des mécanismes de contrôle de la qualité des données, de tests, de suivi et d'observabilité.

• Contribuer à la conception et à l'évolution des architectures Data et ML sur Google Cloud Platform.

• Participer à l'amélioration des performances, de la scalabilité et de la fiabilité des traitements existants.

• Intervenir sur le maintien en conditions opérationnelles des pipelines et services, ainsi que sur la résolution des incidents.

• Participer à l'évolution des pratiques DataOps et MLOps, notamment sur l'orchestration et l'automatisation des workflows.

• Collaborer avec les différentes équipes techniques et métiers afin de proposer des solutions adaptées aux besoins fonctionnels.

• Contribuer à la documentation, aux revues de code et à la diffusion des bonnes pratiques d'ingénierie.

Data Engineering

• Python

• BigQuery

• dbt et outils de tests de qualité des données (Elementary ou équivalent)

• Apache Kafka et architectures de streaming

• Data modeling et conception de pipelines de données

• Terraform

Machine Learning & MLOps

• Bonne maîtrise de Python appliqué au Machine Learning

• Connaissance des modèles de Deep Learning et des architectures basées sur les embeddings

• Conception de pipelines ML : entraînement, évaluation, déploiement et inférence

• Industrialisation de modèles pour une utilisation en temps réel

• Outils d'orchestration et de MLOps (ZenML ou équivalent)

• Docker et Kubernetes

• Git

Cloud & Infrastructure

• Google Cloud Platform (GCP)

• Compréhension des architectures distribuées et des environnements Cloud natifs

• Automatisation et industrialisation des déploiements