Trouvez votre prochaine offre d’emploi ou de mission freelance Pytorch

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

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 expérience pratique de l’entraînement de modèles pour faciliter le travail quotidien de l’équipe ML Lab sur (leur neocloud de référence), ainsi que l’intégration avec les outils MLOps principalement basés sur AWS, en collaboration étroite avec un DevOps dédié. Responsabilités principales Permettre une expérimentation rapide : développer et maintenir des outils permettant aux chercheurs d’itérer rapidement sur de nouvelles approches ML Gérer des expériences de recherche à grande échelle : concevoir et superviser des entraînements de modèles à grande échelle sur l’infrastructure , en assurant le suivi des expériences et leur reproductibilité Faciliter les collaborations externes : permettre une collaboration sécurisée avec des partenaires académiques et l’accès à des ressources open source de pointe tout en respectant les contraintes de sécurité Optimisation des performances et des ressources : analyser et optimiser les pipelines d’entraînement, gérer efficacement les ressources GPU Développement d’outils de recherche : créer des bibliothèques et utilitaires spécifiques aux domaines de recherche du laboratoire (nouvelles architectures, techniques d’entraînement, frameworks d’évaluation) Transfert de connaissances inter-équipes : partager les enseignements issus de la recherche expérimentale avec l’équipe ML Platform et les chercheurs groupe

Objectifs et contexte de la mission, liste des tâches attendues et livrables L'objectif de cet appel d'offre est de renforcer l'équipe de Data Scientist de la division AI de la plateforme CIB/Banking. Cette équipe est spécialisée dans l'intégration de solution AI innovantes au sein des diverses applications comme de l'extraction de données à partir de divers documents (états financiers, documents de crédit, etc.) et systèmes internes. Votre mission consistera à participer aux différentes étapes des projets de data science, notamment : - Définition et contribuer à la mise en œuvre de solutions agentiques pour simplifier et accélérer des process métiers complexes. - Interaction avec les Métiers afin de maximiser l'impact et l’adoption des solutions IA. - Extraction des données à partir de divers documents et systèmes internes en utilisant pipelines IA agentiques. - Mettre en place des systèmes d’évaluations et d’observabilités sur des pipelines agentiques. - Déployer des LLMs, modèles sur des gpus dans un environnement de dev. - Amélioration continue : Améliorer constamment les performances de l'extraction de données dans le cadre d'une approche itérative et incrémentale. - Mettre en œuvre des stratégies de test afin de garantir le niveau de qualité requis et l’amélioration continue des processus de développement. - Interaction des standards de développement IT les plus élevés pour industrialiser la data science, en interagissant avec les architectes, les équipes de production. - Coaching et accompagnement de profils plus juniors et ownership de use cases métiers et leur mise en production. Stacks techniques : fastAPI, google ADK, pytest, LangGraph, Phoenix Arize, DSPy, Kubernetes, Jenkins, vLLM.

Les missions sont: 1- Conception et développement d’agents autonomes avec LangGraph : - Architectur des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle). -Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows). -Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute). 2- Intégration avec des pipelines ML/MLOps existants : -Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines. -Automatisation de versioning des agents et leur déploiement. 3- Ingénierie des données et features pour les agents : -Construction des pipelines de données pour alimenter les agents -Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques). -Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases). 4- Tests et robustesse : -Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes). -Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith. -Documentation des limites et cas d’usage (ex: matrice de risques pour les décisions critiques). Compétences souhaitées: Expérience avancée avec LangGraph : -Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs. -Expérience en déploiement d’agents en production. Python et écosystème IA : -Bibliothèques : langgraph, langchain, llama-index, pydantic. -Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).

Dans le cadre du développement de l'Intelligence Artificielle au sein du SOC d'un grand groupe bancaire, nous recherchons un(e) Expert(e) en IA spécialisé(e) dans l'entraînement, l'alignement et l'évaluation de Modèles de Langage (LLM/SLM), afin de concevoir des modèles souverains ultra-spécialisés en cybersécurité. En collaboration directe avec l'équipe R&D Cyber et l'équipe SOC, vos missions seront les suivantes : Fine-tuning de modèles : adapter et spécialiser des LLM open-source (Llama, Mistral, Qwen...) sur des données de cybersécurité (logs, rapports CTI, playbooks) Alignement et limitation des hallucinations : mettre en œuvre des techniques d'apprentissage par renforcement pour garantir des réponses précises, sécurisées et sans biais Formatage et structuration des données : définir et appliquer les meilleurs formats de prompt et de conversation pour l'entraînement Évaluation et benchmarking : mettre en place des pipelines d'évaluation rigoureux pour mesurer la performance des modèles spécialisés "Cyber" par rapport aux standards du marché

Dans le cadre du développement de notre Security Operations Center (SOC), nous intégrons des technologies d'Intelligence Artificielle Générative afin d'automatiser l'analyse des menaces, contextualiser les alertes de sécurité et assister nos analystes dans leurs activités quotidiennes. Nous recherchons un(e) Expert(e) IA Générative / LLM Engineer , spécialisé(e) dans le fine-tuning, l'alignement et l'évaluation de modèles de langage (LLM/SLM), afin de concevoir des modèles souverains, performants et hautement spécialisés dans le domaine de la cybersécurité. Vous rejoindrez une équipe R&D Cyber en étroite collaboration avec les équipes SOC pour développer des solutions d'IA fiables, explicables et adaptées aux enjeux opérationnels de la détection et de la réponse aux incidents. Vos missions : En tant qu'Expert IA, vous interviendrez sur l'ensemble du cycle de vie des modèles de langage : Fine-tuning et spécialisation des modèles : Adapter et spécialiser des modèles open source (Llama, Mistral, Qwen, Gemma, Phi…) sur des corpus métiers liés à la cybersécurité (logs, rapports CTI, playbooks, documentation technique, procédures SOC). Mettre en œuvre des techniques de Parameter Efficient Fine-Tuning (PEFT) telles que LoRA et QLoRA. Optimiser les performances des modèles tout en maîtrisant les coûts d'entraînement. Alignement des modèles : Concevoir des stratégies permettant de limiter les hallucinations et d'améliorer la fiabilité des réponses. Mettre en œuvre des approches d'alignement telles que DPO, GRPO ou PPO. Garantir la robustesse, la cohérence et la sécurité des réponses produites par les modèles. Structuration des données : Concevoir et préparer les jeux de données d'entraînement. Définir les formats conversationnels les plus adaptés (ChatML, Alpaca ou équivalents). Assurer la qualité, la cohérence et la traçabilité des données utilisées. Évaluation et benchmarking : Définir des protocoles d'évaluation reproductibles. Construire des benchmarks internes et comparer les performances des modèles. Exploiter des méthodologies telles que MMLU, GSM8K, LLM-as-a-Judge ou Evaluation Arena afin de mesurer objectivement les performances. Industrialisation : Participer au déploiement et à l'optimisation des modèles pour les usages opérationnels du SOC. Contribuer à l'amélioration continue des pipelines IA et des pratiques MLOps

Je recherche un Full Stack Engineer passionné par le Computational Design, les technologies 3D et l'Intelligence Artificielle pour rejoindre une équipe R&D travaillant sur des projets innovants à la croisée du design, de la simulation et de l'IA. 🎯 Vos missions : Concevoir et développer des plateformes Full Stack dédiées au Computational Design. Développer des APIs performantes avec Python / FastAPI. Concevoir des interfaces web modernes avec React ou Vue.js. Intégrer des modèles d'IA et de Machine Learning dans des applications de production. Manipuler et structurer des données 3D, géométries et workflows de simulation. Participer au déploiement Cloud, Docker et aux pipelines CI/CD. Collaborer avec des designers, chercheurs IA et ingénieurs dans un environnement d'innovation.

Contexte Le client intègre des technologies d'Intelligence Artificielle Générative au sein de son SOC afin d'automatiser l'analyse de menaces, de contextualiser les alertes de sécurité et d'assister les analystes. L'objectif est de concevoir des modèles de langage (LLM/SLM) souverains et ultra-spécialisés en cybersécurité. Le/la consultant(e) travaillera en collaboration directe avec l'équipe R&D Cyber et l'équipe SOC, dans un environnement de recherche et développement agile. Rôle et responsabilités principales Fine-tuning de LLM open-source (Llama, Mistral, Qwen…) sur des données de cybersécurité (logs, rapports CTI, playbooks) Mise en œuvre de techniques d'apprentissage par renforcement pour limiter les hallucinations et sécuriser les réponses générées Définition et application des formats de prompt et de conversation pour l'entraînement des modèles • Structuration et formatage des datasets d'entraînement textuels Mise en place de pipelines d'évaluation et de benchmarking pour mesurer la performance des modèles "Cyber" face aux standards du marché Vulgarisation des concepts IA auprès de profils cybersécurité (analystes SOC, RSSI) Collaboration directe avec l'équipe R&D Cyber et l'équipe SOC Livrables attendus Modèles LLM/SLM fine-tunés et spécialisés en cybersécurité Datasets d'entraînement structurés et formatés (ChatML, Alpaca) Pipelines d'évaluation et de benchmarking (interne et standards du marché) Rapports de performance comparative des modèles