Partager cette offre
Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Pour accompagner les projets, il est recherché un Chef de projet Intégration, DevOps & ML Engineer expérimenté intervenant à l'interface entre les équipes Métier / Data Science et les équipes Infrastructure / Exploitation. Le prestataire formera un binôme technique avec une ingénieure ML/MLOps déjà en poste afin d'assurer la continuité de service et de faire évoluer deux volets de cas d'usage ML en production. Volet 1 : Cas d'usage ML sur AWS : traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, services serverless et génération documentaire ; environnement technique : Amazon SageMaker, Amazon Bedrock, Lambda, S3, Glue, Kinesis/Firehose, Athena, Comprehend/Textract, boto3 ; socles data ELK et BigQuery ; IaC Terraform. Volet 2 : Cas d'usage MLOps sur Azure : industrialisation de modèles de bout en bout (versionning, pipelines d'entraînement, gate d'évaluation, registry, blue/green, monitoring de drift), déploiement multi-sites et optimisation incluant des modèles d'optimisation par renforcement (RL / SAC) ; environnement technique : Azure Machine Learning, Microsoft Fabric / OneLake, Azure DevOps, Azure AI, AKS, IaC Terraform / Bicep. Objectifs : concevoir et maintenir des architectures cloud hybrides AWS / Azure pour charges IA ; développer et fiabiliser pipelines CI/CD ML ; intégrer services cognitifs managés ; développer modules Terraform réutilisables ; accompagner la modernisation vers conteneurs et serverless ; assurer support N3 IA/Data et montée en compétence du Run ; auditer et optimiser les coûts Cloud IA, garantir sécurité et conformité des données. Livrables attendus : dossiers d'architecture de référence, modules Terraform versionnés, pipelines MLOps automatisés, audits FinOps IA, documentation d'exploitation et fiches de transfert vers le Run. Démarrage : ASAP. Abonnez-vous à la page NaxoTech sur LinkedIn pour découvrir nos offres régulières
Profil recherché
Compétences indispensables : Data Science appliquée (Avancé) : Python avancé, EDA, géomatching / rapprochement spatio-temporel, feature engineering, évaluation robuste de modèles sur données industrielles bruitées, notions d'apprentissage par renforcement (RL / SAC). MLOps & déploiement (Avancé) : industrialisation CI/CD ML (gate d'évaluation, versioning data/modèles, model registry, stratégies d'inférence real-time/batch, blue/green, monitoring de drift), maîtrise d'Azure Machine Learning et Microsoft Fabric / OneLake. Cloud IA multi-cloud (Avancé AWS & Azure) : services AWS (Lambda, S3, Glue, SageMaker, Bedrock) ET Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services). IaC, conteneurs & CI/CD (Confirmé à Avancé) : Terraform confirmé/avancé (modules, gestion d'état), notions ARM / Bicep ou CloudFormation ; Docker et orchestration Kubernetes (AKS / EKS) ; Git / Azure Repos, Azure DevOps et/ou GitLab CI. Data, réseau & observabilité (Confirmé) : ELK, BigQuery, monitoring de production (Azure Monitor, Datadog, CloudWatch), réseau cloud (VPC, souscriptions, NACL/RTB/SG, NLB/ALB/AG), sécurité (Private Endpoints, RBAC, KMS) et FinOps IA. Compétences et certifications appréciées : Microsoft Fabric (enjeu fort) ; écosystème complémentaire : GCP / Vertex AI (niveau notions), Computer Vision, architectures Serverless. Niveaux de maîtrise attendus : Terraform confirmé à avancé · AWS AI avancé · Azure AI avancé · GCP ML notions. Certifications appréciées : HashiCorp Terraform Associate, AWS Certified ML Engineer / Specialty, AWS Solutions Architect Associate, Azure AI Engineer Associate, Fabric Data Engineer Associate.
Environnement de travail
Environnements techniques et outils utilisés : multi-cloud AWS / Azure (et notions GCP) pour les charges IA (ML, GenAI/LLM, Computer Vision) avec services managés (SageMaker, Bedrock, Azure Machine Learning, Azure OpenAI, AI Search, Cognitive Services). Pipelines CI/CD ML automatisés (Azure DevOps, GitLab CI), orchestration Kubernetes (AKS / EKS), conteneurs Docker, architectures serverless (Lambda), socles data (Microsoft Fabric / OneLake, ELK, BigQuery), outils d'observabilité (Azure Monitor, Datadog, CloudWatch). IaC principalement Terraform (modules documentés et réutilisables) et notions Bicep/ARM. Les activités couvrent conception d'architectures cloud hybrides, industrialisation des pipelines MLOps, déploiement multi-sites, monitoring de drift, optimisation FinOps IA, et préparation des livrables pour le Run. Démarrage : ASAP.
Postulez à cette offre !
Trouvez votre prochaine mission parmi +10 000 offres !
Fixez vos conditions
Rémunération, télétravail... Définissez tous les critères importants pour vous.
Faites-vous chasser
Les recruteurs viennent directement chercher leurs futurs talents dans notre CVthèque.
100% gratuit
Aucune commission prélevée sur votre mission freelance.
Chef de projet Intégration DEVOPS & ML Engineer Cloud
Naxotech