Trouvez votre prochaine offre d’emploi ou de mission freelance Machine Learning

Vous rejoindrez l’équipe ML Platform , dont la mission est d’améliorer la productivité des chercheurs en machine learning en développant des bibliothèques, services, outils et bonnes pratiques, tout en garantissant une mise en production robuste des modèles ML à grande échelle. L’équipe est composée : d’ingénieurs travaillant sur des projets transverses, et de profils accompagnant les équipes fonctionnelles dans leur parcours ML. Vous travaillerez également en étroite collaboration avec le ML Lab , une équipe de recherche académique nécessitant des outils et infrastructures dédiés, distincts de l’infrastructure principale, afin de : accéder librement aux technologies open source de pointe, collaborer avec des partenaires externes, expérimenter rapidement à grande échelle. Mission En tant que Senior DevOps Engineer au sein de l’équipe ML Platform, vous mettrez à profit votre solide background en ingénierie logicielle, votre maîtrise de Python et votre expérience des environnements cloud pour faciliter le travail quotidien du ML Lab sur , tout en assurant les interconnexions nécessaires avec l’infrastructure principale, majoritairement basée sur AWS . Responsabilités principales Configurer et maintenir l’environnement cloud , notamment pour l’accès GPU du ML Lab Mettre en place des mécanismes FinOps et des protections minimales contre les erreurs humaines (“fat fingers”) Optimiser les images Docker afin de réduire les temps de cold start Implémenter et maintenir des systèmes de monitoring pour l’entraînement des modèles ML Contribuer ponctuellement aux projets transverses de l’équipe ML Platform sur AWS (CI/CD, outillage cloud, services communs pour les chercheurs) Promouvoir et implémenter des processus d’ automatisation Renforcer la sécurité via des évaluations de vulnérabilités, la gestion des risques et le déploiement de mesures de cybersécurité adaptées

Mission AI Engineering (expertise avancée en IA traditionnelle et Gen IA), pour l'accompagnement de nos équipes IT dans la conception, le développement et l'intégration de nos cas d'usages IA en production. Mise à l'échelle des modèles développés, en garantissant leur performance, leur sécurité et leur monitoring dans l'environnement de production. Responsabilités Analyse en profondeur des besoins métier pour concevoir des solutions d'IA sur mesure, performantes, évolutives et économiquement viables. Interaction avec les équipes IT et Opérations pour l'intégration et la maintenance des modèles. Instauration d'une culture de partage de connaissances en IA au sein de l'IT, en organisant des ateliers, des formations et des sessions de mentorat pour faire monter en compétence les équipes. Évaluation régulièrement les solutions d'IA déployées pour en mesurer l'impact, proposer des améliorations continues et assurer une gestion rigoureuse des coûts associés. Support technique et recommandations stratégiques aux équipes projets, tout en veillant à l'optimisation des coûts et à l'efficience des ressources déployées. Garantie de la conformité aux standards de sécurité et aux bonnes pratiques de développement. Compétences techniques Expertise en apprentissage automatique & profond (Machine Learning, Deep Learning...), en traitement du langage naturel (NLP, LLM, Transformers, …), et sur les domaines/technologies pertinents de la Gen IA (RAG, Agent IA, parseur des documents, évaluation et monitoring, etc…) Maîtrise des langages de programmation (e.g. Python...) et des frameworks d'IA (TensorFlow, PyTorch...) et de GenIA (LangChain, LangGraph…) Outils de gestion de données et de modélisation (SQL, NoSQL, Hadoop, Spark, etc.), ainsi que la capacité à développer et à déployer des solutions d'IA dans des environnements de production à grande échelle. Pratiques pour le déploiement comme le MLOPS/GenIA OPS, pour la surveillance et la maintenance des systèmes d'IA en production, garantissant ainsi une transition fluide et efficace du développement à la production. Principes de l'ingénierie logicielle, y compris le développement agile, l'intégration continue et le déploiement continu (CI/CD). Environnements cloud (IBM en particulier) Autres compétences Métier d'Asset Management Aptitude à communiquer des concepts techniques complexes de manière claire et pédagogique, facilitant ainsi le transfert de connaissances. Résolution de problèmes complexes.

Be the next ML/Backend Engineer Work with an AI company in healthcare. They have trained their own LLMs as part of Polaris constellation, resulting in a system with over 99.9% accuracy. Why Join Tehm Reinvent healthcare with AI that puts safety first. Work with the people shaping the future. Backed by the world’s leading healthcare and AI investors. Build alongside the best in healthcare and AI. Location- Palo Alto, CA office. We believe the best ideas happen together. To support fast collaboration and a strong team culture, this role is expected to be in our Palo Alto office five days a week, unless otherwise specified. Benefits: 401 k, Equity, Lunch provided (On site job) About the Role Build the next generation of voice agents Work with an interdisciplinary team Develop a highly scalable infrastructure for LLM processing What You'll Do Develop and maintain scalable backend systems to support high-performance AI applications in healthcare. Collaborate with cross-functional teams, including data scientists and ML engineers, to design and build efficient data pipelines for large-scale healthcare datasets. Build and manage APIs and microservices that enable smooth data retrieval, processing, and interaction with AI models. Monitor and improve backend systems to optimize performance, reliability, and uptime. Work closely with product managers to understand healthcare requirements and help transform them into technical solutions. Develop and optimize backend infrastructure supporting data ingestion, feature extraction, and tagging workflows. Implement tag management and metadata systems to streamline dataset organization and retrieval. Contribute to end-to-end ML workflows, integrating data preparation, training, evaluation, and deployment into reproducible pipelines. What You Bring Must‑Have: Bachelor’s degree in Computer Science, Computer Engineering, or a related field. (Master's is preferred) 5+ years of experience in backend development using programming languages like Python, Golang, or similar. Experience building and maintaining multi-modal data pipelines (speech, vision, and text) using Ray or Apache Airflow for distributed processing and model experimentation. Distributed computing with Spark, Hadoop, or similar. Familiarity with relational database systems and RESTful APIs. Basic understanding of cloud infrastructure (e.g. AWS, GCP). Nice-to-Have: Exposure to AI/ML concepts or experience working with LLMs. Experience working in teams that handle sensitive or regulated data. Familiarity with gRPC, graphQL or similar . Experience with real-time audio. Exposure to DevOps concepts - CI/CD, deployment, terraform, build systems. Experience with data science. Join us and help build the future of safe, life-changing AI in healthcare. There’s never been a more exciting moment to make an impact. We have an exciting opportunity waiting for you—apply today and take the next step in your career! The IN group is here to support you specifically with the recruitment and hiring process for job opportunities. Our role is focused on guiding you through these steps. If you have any questions related to your application or next steps in the hiring process, Apply, and please feel free to reach out. ML/Backend Research Engineer @ At Investigo, we make recruitment feel easy. Let’s keep this simple. We’re all about your success, as your success is our business. We are part of The IN Group, a collection of six award-winning specialist brands that supply the globe with end-to-end talent solutions. With recruitment at the core of our business, we’ve been connecting people since 2003. Data & Privacy By applying, you consent to Investigo collecting and processing your data for the purpose of recruitment and placement, in accordance with applicable data protection laws. For more information, please refer to our Privacy Notice at weareinvestigo.com.

🎯 Mission principale Au sein d’une organisation spécialisée dans la data et les solutions de paiement, vous contribuez à la mise en place de projets décisionnels et Big Data en collaboration avec les équipes métiers et IT. 🧩 Responsabilités principales Contribuer à des projets décisionnels et Big Data. Participer à l’animation d’ateliers et de groupes de travail avec les utilisateurs et équipes techniques. Recueillir et analyser les besoins métiers. Concevoir et développer des reportings décisionnels : définition d’indicateurs statistiques, qualité et financiers Réaliser des analyses exploratoires de données. Rédiger la documentation projet : spécifications fonctionnelles et techniques cahiers de tests et de recette Participer aux phases de validation et de recette. Former et accompagner les utilisateurs finaux.

Dans le cadre de la typologie IT-T – Data Scientist, les missions génériques associées incluent : - Établir des scénarios permettant de comprendre et d’anticiper de futurs leviers métiers ou opérationnels pour l’entreprise. - Réaliser tout le cycle de valorisation de la donnée : • Choix et collecte des données. • Analyse de la qualité des données et redressement. • Préparation des données. • Valorisation spécifique à la Data Science (analyse prédictive voire prescriptive, mise en place d’algorithmes d’apprentissage automatique ou profond, conception de data visualizations dynamiques, data storytelling, etc.). - Appliquer des techniques statistiques, de text mining, d’analyse comportementale, de géolocalisation, etc., pour l’extraction et l’analyse d’informations issues de gisements de données (Big Data). - Obtenir des données adéquates et trouver les sources de données pertinentes : • Recommandations sur les bases de données à consolider, modifier, rapatrier, externaliser, internaliser. • Conception de datamarts et potentiellement d’entrepôts de données (data warehouses). - Évaluer la qualité et la richesse des données : • Rassembler les données, les modéliser et en vérifier la véracité. - Analyser les résultats et les intégrer dans le système d’information cible du métier. - Traduire une problématique métier en problème mathématique/statistique et réciproquement. - Comparer et évaluer différents modèles ou méthodes de calcul, en anticipant les avantages et inconvénients dans un environnement métier donné. 2. Périmètre fonctionnel et responsabilités principales 2.1. Credit Risk Scoring - Pour les équipes Risque / Validation : • Concevoir et optimiser les scores d’octroi et de comportement en explorant des approches innovantes. • Garantir la stabilité du coût du risque en entraînant et déployant ces solutions, et en assurant le monitoring de la dérive des modèles. • Travailler en étroite collaboration avec les experts métiers et les équipes Risque. 2.2. AI Solutions (IA appliquée aux parcours clients) - Optimiser l’expérience client en intégrant les modèles d’IA en temps réel sous forme d’API dans les parcours digitaux (scoring temps réel, personnalisation des offres de paiement, etc.). - Participer à l’architecture technique pour une intégration fluide des modèles, en suivant les meilleures pratiques de développement (Cloud, MLOps). - Collaborer avec les équipes Produit et IT pour industrialiser les solutions (mise en production, supervision, conformité aux standards de l’entreprise). 2.3. GenAI (IA générative et agents) - Prototyper et déployer en production des solutions d’IA générative sous forme d’agents (LLM, RAG, etc.) pour : • Transformer les processus internes (Marketing, Audit, Risque, …). • Améliorer la relation et le support client. - Mettre en place des architectures « agentic » pour : • Automatiser l’octroi d’offres de crédit (Risque). • Automatiser des tâches complexes d’analyse documentaire. • Faciliter l’interaction avec les clients. - Évaluer, optimiser et monitorer les performances des agents (cohérence, diversité, usage de LLM as a Judge, etc.).

Dans le cadre d’initiatives stratégiques autour de l’intelligence artificielle et du machine learning, un grand groupe industriel lance un appel d’offres pour renforcer ses équipes avec un Azure Cloud Engineer senior . La mission consiste à concevoir et déployer une plateforme d’exploration AI/ML (sandbox) sécurisée, scalable et industrialisable, destinée à permettre aux équipes data et innovation d’expérimenter et prototyper des cas d’usage IA sans impact sur les environnements de production. Le consultant interviendra sur le déploiement et la structuration d’une plateforme AI/ML basée sur Microsoft Azure, en cohérence avec une architecture existante. Les responsabilités incluent notamment : Conception et déploiement d’une architecture cloud modulaire et scalable Mise en place d’une sandbox AI/ML sécurisée et isolée Support de plusieurs frameworks ML/AI Développement d’ APIs abstraites pour faciliter l’adoption utilisateur Implémentation de pipelines automatisés (CI/CD, MLOps) Gestion des données : gouvernance, conformité et sécurité Mise en œuvre de dashboards de monitoring et d’analytique Documentation complète et transfert de compétences Maintenance, qualité et correction des anomalies

Contexte du poste : Un acteur bancaire souhaite renforcer sa stratégie d’Intelligence Artificielle en développant des solutions avancées de Machine Learning, Deep Learning, NLP et IA Générative. L’objectif est de valoriser les données, optimiser les processus internes et améliorer l’expérience client grâce à des modèles robustes, explicables et industrialisés. Missions principales : 1. Modélisation Risque & Scoring Concevoir, optimiser et challenger les modèles de scoring d’octroi et de comportement. Explorer des approches innovantes pour améliorer la performance et la stabilité des modèles. Déployer les modèles en production et assurer leur monitoring (dérive, performance, stabilité). Travailler en étroite collaboration avec les équipes Risque, Validation et les experts métier. 2. Développement de Solutions IA Intégrer les modèles ML/AI en temps réel dans les parcours digitaux (scoring instantané, personnalisation des offres…). Participer à la conception de l’architecture technique (Cloud, MLOps, API, pipelines). Collaborer avec les équipes IT et Produit pour industrialiser les solutions et garantir leur scalabilité. 3. IA Générative & Agents Prototyper et déployer des solutions d’IA Générative (LLM, RAG, agents intelligents) pour transformer les processus internes (Marketing, Audit, Risque, Support…). Mettre en place des architectures agentiques pour automatiser des tâches complexes : analyse documentaire, octroi de crédit, interaction client. Évaluer et monitorer les performances des agents (cohérence, diversité, RAGAS, LLM-as-a-Judge…).

Objectifs Au sein de la division AI & Innovation de l'IT groupe d'une institution financière majeure, l'équipe AI Production Center recherche un profil premium afin d'assurer l'ownership technique du produit "Data Science Platform" du groupe. Contexte Équipe de 20 experts répartis sur 5 pôles d'activité (Solutions Engineering, Automation Engineering, Infrastructure Engineering, Product Office, Client Services) 15+ plateformes de Data Science / MLOps en production (Cloud et on premise) / 600+ utilisateurs Data Scientists Plusieurs infrastructures, plateformes et services d'IA Generative en production à l'attention de tous les métiers du Groupe Un GRID de GPU on premise utilisé pour le training et l'inference Pratiques DevSecOps / GitOps / MLOps / LLMOps Automatisation autour des APIs des infrastructures, des plateformes (kubernetes/openshift) et des produits Environnement de travail Team Play avant tout! Curiosité sans limites!! Autonomie, rigueur, qualité Sens du service client Patience & bienveillance Appétance naturelle pour le partage de connaissances L'automatisation dans le sang Anglais courant (fournisseurs et clients en dehors de France, base documentaire entièrement en Anglais) Laptops au choix (MacOS, Windows)

La plateforme vise à industrialiser les usages Data et Machine Learning et à accompagner les directions métiers dans leurs expérimentations et produits data science. Le Platform Engineer intervient sur deux axes majeurs : le déploiement de l’infrastructure as code sur le cloud Azure le développement et l’industrialisation de pipelines CI/CD pour les usages Data Science Missions de l’équipe plateforme Assurer le maintien en condition opérationnelle , l’ évolutivité et la maîtrise technique de la plateforme Azure. Accompagner les directions métiers et leurs data scientists dans la réalisation de leurs expérimentations et produits industriels Fournir un support fonctionnel et technique aux équipes métiers

Dans le cadre du développement d’initiatives autour de l’Intelligence Artificielle Générative, notre client souhaite renforcer son pôle innovation par un profil capable d’explorer, tester et implémenter rapidement des solutions basées sur l’état de l’art en IA. Vous interviendrez sur des sujets mêlant NLP, Computer Vision et LLMs , avec une forte dimension veille technologique et prototypage. Vos missions : Réaliser une veille active sur les technologies d’IA Générative (LLM, outils, frameworks) Identifier, benchmarker et tester des modèles SOTA (state-of-the-art) Concevoir et implémenter des POC et prototypes IA Construire et optimiser des pipelines de traitement de données Mettre en place des architectures RAG (Retrieval Augmented Generation) Effectuer du fine-tuning de modèles de Deep Learning (type BERT/Transformers) Développer des solutions NLP (classification, extraction d’informations, résumé, Q&A) Développer des cas d’usage en Computer Vision (OCR, détection d’objets type YOLO) Proposer des approches méthodologiques et techniques innovantes Participer aux choix d’architecture et d’outillage IA Compétences techniques requises Langages & Data Science Excellente maîtrise de Python Modélisation machine learning (supervisé / non supervisé) Expérience en Deep Learning Frameworks & librairies PyTorch et/ou TensorFlow Transformers (HuggingFace) Scikit-learn LangChain IA Générative & LLM Construction d’architectures RAG Prompt engineering Expérience avec LLM commerciaux (GPT-4, GPT-4o…) Connaissance de LLM open source (Llama 3, Mistral…) NLP Expérience significative en traitement du langage naturel Fine-tuning de modèles type BERT Computer Vision OCR Détection d’objets (YOLO)

Responsabilités principales Concevoir et déployer des features IA Construire des pipelines de traitement de données Industrialiser et monitorer les applications / services (latence, coût, taux de réponse, satisfaction utilisateur). Industrialiser l’IA via MLOps/LLMOps : suivi d’expériences, déploiement, monitoring, observabilité. Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions. Compétences techniques attendues IA générative, LLM, RAG, Prompt optimisation, Agents & orchestration Machine learning / Deep learning Traitement de données non structurées: PDF/Images Ingénierie & industrialisation Langages : Python avancé, SQL. APIs : conception et intégration Data pipelines : orchestration, streaming, feature stores. MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online. Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage). Bonnes pratiques de dev Structuration des projets, templates, documentation vivante. Stratégie de tests Standards de code, revue d’architecture et diffusion des bonnes pratiques. Profil recherché 4+ ans d’expérience en Data Science/MLOps

Dans le cadre des activités d'une grande entreprise de services publics, le/la Développeur(se) spécialisé(e) intervient sur des sujets à forte composante technique et innovation, liés notamment aux environnements connectés à des compteurs intelligents, aux protocoles de communication et aux problématiques d’aide à la décision. La mission nécessite une expertise confirmée en développement logiciel, une bonne compréhension des systèmes communicants (notamment CPL / radio fréquence) ainsi qu’une capacité à intégrer des approches Machine Learning / Deep Learning pour répondre à des besoins métier et techniques. Le/la consultant(e) participera à l’analyse des besoins en systèmes informatiques, à la proposition de solutions adaptées, puis à la mise en œuvre technique sur différents environnements (Windows/Linux/Raspberry Pi), en s’appuyant sur des compétences en modélisation, algorithmie (dont théorie des graphes) et programmation. 2) Objectifs & livrables attendus Le/la prestataire devra contribuer aux activités suivantes : 🎯 Analyse & cadrage Réaliser l’analyse des besoins en systèmes d’information en lien avec les enjeux de l’organisme Proposer des solutions techniques et fonctionnelles adaptées à la situation Participer à la démarche de gestion de projet en respectant les processus internes 🧠 Aide à la décision / optimisation Exploiter les concepts de théorie des graphes Contribuer à des problématiques d’aide à la décision Intégrer des approaches Machine Learning / Deep Learning selon les cas d’usage 💻 Développement & implémentation Développer et maintenir des composants applicatifs en : - Java / Python / C++ Mettre en œuvre des traitements, scripts et analyses sur : - Windows, Linux, Raspberry Pi Exploiter les librairies Python nécessaires à l’analyse : - Matplotlib, Numpy 📡 Communication & protocoles Intervenir dans des contextes liés aux télécommunications, notamment en ce qui concerne les réseaux CPL et radio fréquence Travailler autour des protocoles et flux : - ZigBee, Modbus, Protocoles liés à des compteurs communicants Comprendre et exploiter les protocoles CPL G1 et CPL G3 Maîtriser les principes liés à la chaîne de communication des compteurs intelligents

Expert Python / IA – LLM - Orleans Localisation : Orléans Modalités : Démarrage en full présentiel, puis possibilité de 3 jours de télétravail par semaine Contexte : Plusieurs sujets stratégiques autour de l’intelligence artificielle et des modèles de langage (LLM) sont actuellement en cours, ce qui motive la recherche d’un expert Python capable d’accompagner ces initiatives. Descriptif du poste : L’expert Python interviendra sur des projets de développement back-end intégrant des briques IA. Il participera à la conception, au développement et à l’optimisation de solutions exploitant des modèles de langage (LLM), ainsi qu’à l’industrialisation de ces usages dans le SI existant. Il sera force de proposition sur les choix techniques et les architectures. Compétences attendues : Expertise confirmée en développement Python Expérience sur des projets IA / Machine Learning et/ou LLM Maîtrise de frameworks Python (Django, Flask, FastAPI ou équivalent) Expérience dans l’intégration et l’exploitation de modèles de langage (API, pipelines, prompt engineering, etc.) Connaissance des architectures API, du traitement de données et des environnements Linux Autonomie, capacité d’analyse et sens de la collaboration

Langues : Français, Anglais (obligatoire – échanges avec l’Inde) Séniorité : Senior (environnements data/ML/Cloud) Plateforme Dataiku en environnement hybride : Cloud AWS + On Premise pour données C3 Services : Design Node, Automation Node, API Node, Deployer Node Intégration écosystème Data, stockage pérenne, déport compute EKS / Snowflake Plateforme Braincube : Déploiement Cloud AWS sur EKS Architecture assurée par l’éditeur Braincube Le client responsable du service, de la sécurité et du pilotage Sécurité & Gouvernance : RBAC, SSO/IAM, journalisation, conformité RGPD Standards cybersécurité de client Documentation & Outils : VS Code, Git, frameworks internes Confluence/SharePoint Data Factory Gestion agile via Teams & backlog Environnements : Dev / Pré-production / Production Processus d’industrialisation et de validation définis Prestation Attendue : Pilotage & gestion du service Maintien des standards, gestion des licences, suivi des usages via KPIs Gestion incidents, demandes, changements ; communication interne & client Définition et suivi des SLAs Optimisation de la performance opérationnelle Architecture & Expertise technique Rôle de référent technique & architectural pour la plateforme Data Groupe (Snowflake, Dataiku, Braincube) Garantie de la résilience du service, gestion des obsolescences Contrôle du niveau de sécurité Roadmap & gouvernance Construction de la roadmap d’évolution Pilotage du plan de charge Coordination France/Inde (prestataires, éditeur, interne) Communication & coordination Communication en cas d’incident, évolution ou maintenance Interface avec DSIC (GCIS, Delivery cas d’usage, etc.) Support & accompagnement Accompagnement des équipes dans l’exploitation Dataiku/Braincube Contribution à la montée en compétence des équipes

Dans le cadre d’un renforcement urgent de notre équipe dédiée à l'intelligence artificielle, nous lançons une procédure de recrutement suite à une erreur précédente qui a conduit à l’absence de livraison sur la mission attendue. Nous recherchons dès à présent un(e) Ingénieur(e) IA opérationnel(le) immédiatement, capable de produire rapidement des résultats concrets, des livrables exploitables et des solutions immédiates. Missions principales En tant qu’Ingénieur(e) IA, votre objectif sera de concevoir, développer et déployer des solutions IA performantes, en mettant l’accent sur l’efficacité et l’impact. Développer et mettre en production des modèles IA / ML (NLP, vision, prédiction, classification, selon les besoins) Concevoir des pipelines de traitement des données et entraîner des modèles Optimiser les performances en termes d’exactitude, de latence et de coût Industrialiser les solutions : effectuer des tests, assurer le monitoring, gérer le versioning et appliquer les pratiques MLOps Participer à la définition des cas d’usage en collaboration avec les équipes métier et produit Assurer une livraison rapide de POC (Proof of Concept), MVP (Minimum Viable Product) et de la mise en production Rédiger la documentation, transmettre les compétences et assurer le suivi des avancées

Re, Une autre recherche (Machine Learning Ops) – Expert MLOps (IA / ML / LLM) | Industrialisation & Production IA 🎯 Contexte & enjeux Vous jouerez un rôle clé dans la définition et la mise en œuvre des bonnes pratiques MLOps (CI/CD, monitoring, sécurité, reproductibilité). 🛠️ Responsabilités principales · Conception, mise en place et maintien de pipelines MLOps (CI/CD, versioning des modèles et datasets) · Conteneurisation et déploiement des services IA ( Docker, Kubernetes ) · Mise en œuvre d’outils de tracking et registre de modèles (MLflow, Comet ML ou équivalent) · Industrialisation d’architectures LLM / NLP et RAG (Retrieval-Augmented Generation) · Intégration et orchestration de frameworks LLM ( LangChain, LangSmith, Semantic Kernel ) · Déploiement de solutions IA sur Cloud Provider (AWS, Azure ou GCP) · Mise en place de boucles de feedback continu (monitoring de la dérive, retraining automatique, human-in-the-loop) · Garantie de la sécurité, qualité et reproductibilité des modèles en production 🧠 Compétences requises · Minimum 3 ans d’expérience en industrialisation IA/ML/DL en production · Excellente maîtrise de Python et des librairies clés (NumPy, Pandas, Scikit-learn, PyTorch / TensorFlow) · Solides compétences SQL · Expertise CI/CD (GitLab CI ou équivalent) · Maîtrise de la conteneurisation ( Docker ) · Expérience confirmée avec MLflow ou outils équivalents · Connaissance approfondie des LLM et des architectures RAG · Expérience de déploiement IA sur le Cloud ➕ Compétences appréciées · Déploiement IA sur Kubernetes (Kubeflow, Argo) · Tests de performance, benchmarking et montée en charge · Optimisation avancée de modèles (Quantization, Distillation, Pruning, Fine-tuning / PEFT – LoRA) · Expérience en Computer Vision ou Small Language Models (SLM) · Métriques avancées d’évaluation LLM (AI as a Judge, hallucination rate, grounding score) 📍 Modalités · Présence sur site requise à hauteur de 50 % minimum · Astreintes possibles les week-ends et jours fériés 📩 Intéressé(e) ou recommandation ?