Trouvez votre prochaine offre d’emploi ou de mission freelance MLflow
Ce qu’il faut savoir sur MLflow
MLflow est une plateforme open source qui simplifie la gestion du cycle de vie du machine learning, du suivi des expériences à la mise en production des modèles. MLflow permet aux développeurs et data scientists de documenter, reproduire et déployer efficacement leurs projets ML avec traçabilité complète.
Contexte : Au sein du pôle Data & IA, intégration de l'équipe GenAI en charge de la conception et de l'exploitation de plateformes d'Intelligence Artificielle à destination des différentes entités du groupe. L'objectif est de concevoir des offres d'IA générative industrialisées, sécurisées et hautement disponibles, déployables aussi bien sur des infrastructures Cloud (AWS, GCP) que On-Premise, en s'appuyant sur des architectures modernes, distribuées et résilientes. Missions : Concevoir et déployer des architectures techniques dédiées aux plateformes d'IA générative. Industrialiser et automatiser le déploiement de plateformes agentiques via les pratiques MLOps et LLMOps. Développer et maintenir des services managés en intégrant les exigences de sécurité, de conformité et de gouvernance. Automatiser les infrastructures et les pipelines de déploiement (Infrastructure as Code, CI/CD). Assurer la mise en production, le maintien en condition opérationnelle et l'optimisation des plateformes IA. Participer aux choix d'architecture et assurer le rôle de référent technique sur un produit de la squad. Concevoir la documentation technique et accompagner l'adoption des solutions auprès des équipes internes. Réaliser des démonstrations techniques et promouvoir les offres d'IA générative. Participer aux cérémonies Agile (Daily Scrum, Sprint Planning, Backlog Refinement, Roadmap) et contribuer aux travaux de la squad. Participer aux astreintes techniques afin de garantir la disponibilité des plateformes. Stack technique : Cloud & Infrastructure AWS : EKS, SageMaker, Bedrock GCP : GKE, Vertex AI Kubernetes, OpenShift, Docker Environnements On-Premise Infrastructure as Code & CI/CD Terraform Ansible Jenkins GitLab CI Kestra Développement Python SQL Data & IA MLflow Dataiku JFrog Artifactory Orchestration de workloads IA Bases de données vectorielles : OpenSearch, Elasticsearch, PostgreSQL (PGVector), MongoDB Atlas, Amazon RDS Observabilité Prometheus Grafana Dynatrace AWS CloudWatch AWS X-Ray Méthodologie Agile / Scrum DevOps / MLOps / LLMOps Infrastructure as Code (IaC) CI/CD Architecture Cloud Native Sécurité, conformité et gouvernance des plateformes IA
