Trouvez votre prochaine offre d’emploi ou de mission freelance GPU à Paris

En tant qu' Ingénieur ML au sein de l'équipe ML Platform, vous mettrez à profit votre solide expérience en industrialisation , votre maîtrise de Python et votre expertise pratique de l'entraînement de modèles. Votre rôle sera de faciliter le travail quotidien du ML Lab sur (leur "neocloud" de choix) et d'assurer la liaison avec l'outillage MLOps (principalement sur AWS ), en étroite collaboration avec un ingénieur DevOps dédié. Responsabilités Clés Favoriser l'expérimentation rapide : Créer et maintenir les outils permettant aux chercheurs d'itérer rapidement sur de nouvelles approches ML. Gérer des expériences de recherche à grande échelle : Concevoir et superviser des cycles d'entraînement massifs sur l'infrastructure , en implémentant le suivi des expériences ( experiment tracking ) et la reproductibilité. Faciliter la collaboration externe : Permettre une collaboration sécurisée avec des partenaires académiques et l'accès aux ressources open-source tout en respectant les protocoles de sécurité. Optimisation des performances et des ressources : Profiler et optimiser les pipelines d'entraînement ; gérer efficacement les ressources GPU. Développement d'outils de recherche : Développer des bibliothèques et utilitaires spécifiques aux domaines du Lab (nouvelles architectures, techniques d'entraînement, frameworks d'évaluation). Transfert de connaissances : Partager les enseignements issus de la recherche expérimentale avec l'ensemble de l'équipe ML Platform et les chercheurs

Permettre à des chercheurs de tester, entraîner et industrialiser rapidement des modèles de machine learning à grande échelle, dans un environnement hybride : neocloud pour la recherche AWS (MLOps / prod) Gérer des entraînements de modèles à grande échelle (GPU / distribué) Assurer la reproductibilité des expériences Optimiser les ressources (GPU, compute) Créer des outils internes pour la recherche ML Faire le lien entre recherche académique ↔ production industrielle Avoir déjà travaillé : soit dans une boîte très technique (type scale-up / deeptech) soit dans un environnement de recherche / labo Parler Anglais

Nous recherchons un(e) DevOps Engineer Senior pour intervenir au sein d’une équipe ML Platform & ML Lab, dans un environnement technique avancé orienté Machine Learning et infrastructure cloud à grande échelle. 🎯 Votre rôle 🔵 Configuration et gestion de l’infrastructure cloud (Lambda) pour l’accès GPU des équipes ML 🔵 Mise en place de bonnes pratiques FinOps et protection contre les erreurs critiques 🔵 Optimisation des images Docker pour réduire les temps de cold start 🔵 Mise en place et maintien des systèmes de monitoring des entraînements de modèles 🔵 Contribution aux projets ML Platform sur AWS (CI/CD, tooling, infrastructure) 🔵 Automatisation des process et amélioration continue des workflows 🔵 Renforcement de la sécurité (audit, vulnérabilités, gestion des risques) 🚀 Votre impact 🔵 Améliorer la productivité des équipes ML 🔵 Garantir la robustesse et la scalabilité des environnements de training 🔵 Accélérer les workflows via automation et CI/CD 🔵 Renforcer la fiabilité et la sécurité des infrastructures cloud 🛠️ Stack & environnement 🔵 AWS 🔵 Terraform 🔵 Docker (optimisation d’images large scale) 🔵 GitLab CI / Jenkins 🔵 Linux / UNIX 🔵 Monitoring & observability 🔵 Environnement ML / GPU / cloud (Lambda) 📌 Informations complémentaires 🔵 Mission freelance 🔵 Hybride ou remote selon organisation 🔵 Mission longue durée

Almatek recherche pour l'un de ses clients Un Responsable Ingénierie Applicative / Confirmé sur Le Responsable Ingénierie Applicative dirige des activités d’études et de développement qui contribuent à l’évolution et la maintenance du SI. Mission: Membre de la Direction technique Informatique (DTI), vous concevrez une architecture cloud de type Infrastructure as a Service pour du stockage disque et/ou bande ainsi que des capacités de calcul CPU/GPU sous Openstack. En tant que DevOps, vous serez responsable de la construction et de la mise en place de nouveaux outils gestion de l'infrastructure, de la sécurisation des environnements, de l'automatisation des déploiements en collaboration avec les équipes de DTI. ADMINISTRATION LINUX : Sénior (plus de 7 ans sur le poste) Administration Système : Sénior (plus de 7 ans sur le poste) Assurer la mise en conformité RGPD, PSSI de l’Etat, NIS2 : Sénior (plus de 7 ans sur le poste) Comprendre et lire l'anglais technique : langue : technique/intermédiaire Concevoir l’offre IaaS CPU/GPU : Sénior (plus de 7 ans sur le poste) Esprit d'analyse, rigueur et travail d'équipe : Expérimenté (entre 3 et 7 ans sur le poste) Habilitation à travailler en ZRR : Oui MCO/MCS de l’offre IaaS : Sénior (plus de 7 ans sur le poste) Mettre en oeuvre les outils de contrôle des accès et d’authentification : Sénior (plus de 7 ans sur le poste) OpenStack : Sénior (plus de 7 ans sur le poste) Python (Django ou Flask) : Sénior (plus de 7 ans sur le poste) Rédaction de documents d'architecture technique : Expérimenté (entre 3 et 7 ans sur le poste) Technologies de Conteneurisation : Sénior (plus de 7 ans sur le poste) Localisation : Paris

Responsabilités principales : -Assurer la qualité globale de nos conceptions, qui contribuent à des lancements passionnants de matériel portable sans fil - Un fort accent sur les IP ARM (CPU (Cortex-a v9 arch), GPU (mali), débogage (css600, coresight), etc.) où vos connaissances et votre expérience nous permettront de revoir les décisions architecturales/de conception et d'intensifier la vérification de ces blocs -Servir de contributeur individuel pour posséder et développer la vérification de nos blocs IP principaux - Propriété tout au long du cycle de vie du projet, par exemple : revues de spécifications, plans de vérification, développement de cas de test, environnements UVM, couverture (analyse), débogage, GLS, etc. -Travailler en étroite collaboration avec d'autres équipes pour recueillir des informations pertinentes et partager vos connaissances sur la conception afin d'améliorer davantage les exigences et les spécifications. Ainsi qu'en fournissant des retours essentiels lors de leurs efforts de débogage -Collaborer avec l'équipe mondiale de vérification pour améliorer nos processus et lancer des initiatives visant à améliorer la qualité globale de la conception ainsi que la manière de travailler pour devenir la meilleure équipe de vérification de la catégorie Connaissances, compétences et aptitudes : - Expérience pratique prouvée (5+ ans) avec des méthodologies et processus de vérification de pointe, tels que UVM / SystemVerilog, vérification formelle, vérification aléatoire par contraintes, assertions, métriques de couverture, analyse de couverture, simulation au niveau de la porte, tests d'indicateurs clés de performance, etc. - Une solide compréhension des IP liées à ARM est requise : CPU (Cortex-a v9 arch), GPU (Mali), débogage (css600, Coresight), etc. - Expérience pratique dans la conception et la mise en œuvre de cas de test basés sur le C pour configurer et tester les IP ARM ainsi que la capacité de réutiliser les bancs d'essai fournis par le fabricant - Expérience dans l'utilisation et la création d'un environnement de test basé sur UVM pour la vérification au niveau des blocs ainsi que la réutilisation de ces environnements au niveau (sous-)système - Capacité à lire et comprendre le code RTL (SystemVerilog, Verilog, VHDL) - Expérience avec les systèmes de contrôle de révision et les techniques CI/CD - Compétences interpersonnelles phénoménales ; capacité à collaborer entre équipes et à travailler de manière indépendante - Excellentes compétences en développement des processus, en documentation et en communication écrite et orale

Bonjour, Nous recherchons pour notre client grand compte un ML Engineer spécialisé en modèles LLM multimodaux et fine-tuning pour l'audiovisuel Nous étudions - prioritairement - les candidatures qui nous sont adressées à freelance à insyco . fr avec les informations suivantes : Argumentaire écrit répondant de façon ciblée au besoin ci-dessous CV à jour en français Date de prochaine disponibilité Tarif journalier Merci d'indiquer la référence MLE/5344-6 dans l'objet de votre message Contexte de la prestation La prestation s'inscrit chez un grand compte du secteur des médias et de l'audiovisuel, engagé dans la plateformisation de son offre numérique et le développement de ses usages data et IA. Le besoin porte sur l'adaptation et le fine-tuning de modèles open-source multimodaux pour des cas d'usage audiovisuels, leur industrialisation et leur mise en production, ainsi que leur intégration dans l'écosystème média existant. Activités principales Identifier, adapter et fine-tuner des modèles open-source (vision, audio, parole, texte) pour des cas d'usage audiovisuels spécifiques. Implémenter des stratégies avancées d'interaction et d'optimisation (prompt-engineering, RAG (Retrieval-Augmented Generation), LoRA/distillation, quantization, pruning) pour maximiser précision, latence et pertinence éditoriale. Architecturer des pipelines multimodaux end-to-end fusionnant vidéo, audio, images et texte pour enrichir les métadonnées, optimiser l'indexation et automatiser les workflows de production. Établir des métriques d'évaluation, benchmarker et itérer sur les systèmes d'IA via des KPIs techniques et business clairement définis. Concevoir et déployer des solutions multimodales cross-data et cross-modality pour étendre les capacités prédictives et génératives des modèles. Administrer et optimiser l'infrastructure technique nécessaire au déploiement, monitoring et ajustement des modèles en production (clusters GPU/TPU, gateway d'inférence, scaling policies). Orchestrer l'intégration des services IA dans l'écosystème média existant (MAM/PAM, NRCS, chaînes de transcription, pipelines de distribution, systèmes d'information logiciels SI) en collaboration avec product owners et tech leads. Structurer, enrichir et valider les datasets audiovisuels en garantissant leur alignement avec les exigences éditoriales, culturelles et éthiques. Instrumenter, mesurer et raffiner les modèles en conditions opérationnelles (accuracy, fairness, explainability, pertinence culturelle, empreinte carbone). Coordonner avec les équipes pluridisciplinaires l'alignement des solutions IA avec les objectifs stratégiques et le cadre réglementaire (RGPD, AI Act). Élaborer et maintenir une documentation technique exhaustive assurant la transmissibilité des connaissances.