Mission freelance Consultant Senior en MLOps

Nous recherchons un expert senior en MLOps pour intégrer une équipe d’ingénierie en intelligence artificielle au sein de la division des Technologies Emergentes et Données. Vous jouerez un rôle stratégique dans la mise en place et l’optimisation des pipelines de machine learning, tout en assurant la scalabilité et la fiabilité des solutions IA déployées au sein du groupe.

• Responsabilité : Concevoir et améliorer les pipelines ML pour garantir un flux de développement fluide et efficace.

• Use Case : Automatisation des Pipelines de Développement

  • Création d’un pipeline ML automatisé qui intègre la préparation des données, l’entraînement des modèles et leur déploiement.

  • Réduction des erreurs humaines grâce à l’automatisation et au monitoring intégré.

• Responsabilité : Mettre en place des outils pour surveiller les performances des modèles et détecter les dérives.

• Use Case : Détection et Réentraînement Automatisé des Modèles

  • Mise en place d’un système de détection des dérives (concept drift) qui déclenche automatiquement le réentraînement des modèles sur de nouvelles données.

  • Surveillance des performances pour identifier les déclins de précision avant qu’ils n’affectent les cas d’usage.

• Responsabilité : Développer une infrastructure fiable et évolutive pour la gestion des modèles ML à grande échelle.

• Use Case : Gestion des Versions et CI/CD pour les Modèles

  • Implémentation d’un système de gestion des versions des modèles pour suivre les itérations et garantir la reproductibilité.

  • Déploiement continu grâce à des pipelines CI/CD dédiés, réduisant le temps de mise en production.

• Responsabilité : Transformer les notebooks existants en scripts de haute qualité, adaptés aux pipelines ML.

• Use Case : Refactorisation des Notebooks pour les Pipelines

  • Conversion des notebooks ad hoc en scripts Python robustes intégrés directement dans les pipelines.

  • Documentation des scripts pour assurer leur réutilisabilité et faciliter leur maintenance.

• Responsabilité : Encadrer les équipes de data science pour les aider à adopter les meilleures pratiques en MLOps.

• Use Case : Création d’un Cadre Collaboratif

  • Développement d’une bibliothèque interne de bonnes pratiques en MLOps, accessible à toutes les entités du groupe.

  • Animation d’ateliers techniques pour partager des outils et des techniques avancées avec les équipes.

• Responsabilité : Effectuer des tests rigoureux sur les données, les modèles et les pipelines.

• Use Case : Assurance Qualité des Pipelines ML

  • Développement de suites de tests automatisés pour vérifier la cohérence des données et des modèles tout au long des pipelines.

  • Détection proactive des anomalies avant leur propagation dans l’environnement de production.