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

En tant qu’Ingénieur MLOps Senior, vous aurez pour mission de développer et d’optimiser les outils internes de MLOps afin de soutenir l’ensemble du cycle de vie des modèles d’IA. Vous serez spécialisé(e) dans l’utilisation des GPU pour améliorer l’entraînment, le déploiement et le serving des modèles. Construire et optimiser les pipelines de données pour la gestion des jeux de données, l’entraînment, l’évaluation et le déploiement des modèles. Garantir la traçabilité et la reproductibilité des expériences. Améliorer la maintenabilité et l’évolutivité des composants de la plateforme, en environnements cloud (AWS) ou on-premise. Configurer et gérer les infrastructures GPU pour l’entraînment des modèles. Implémenter des techniques avancées comme le mixed-precision training, la quantification et l’optimisation d’inférence via Triton Server ou TensorRT. Réduire les temps de calcul en exploitant les outils comme cuDNN ou NVIDIA Nsight. Développer des solutions robustes pour le serving des modèles d’IA dans des environnements contraints (on-premise et cloud). Améliorer la scalabilité des serveurs d’inference multi-GPU pour gérer un grand volume de requêtes. Mettre en place des outils de monitoring et de benchmarking des performances des modèles. Intégrer les workflows d’entraînment et de déploiement dans des pipelines CI/CD (GitHub Actions, Nomad). Automatiser le réentraîment des modèles en continu. Maintenir des tests de non-régression pour garantir la stabilité des modèles en production. Effectuer une veille technologique pour identifier les nouvelles solutions et techniques (AutoML, Kubeflow, TFX). Diffuser les bonnes pratiques et former les membres de l’équipe à travers du mentoring et des sessions techniques.

Contexte de la mission : Notre client cherche à se renforcer avec un profil MLops Engineer pour le déploiement d'un modèle Custom Gen AI . Ce modèle inclut des technologies telles que les LLM (Large Language Models) et des solutions Open Source . Le profil recherché devra apporter une expertise dans l'optimisation et le déploiement de modèles sur des infrastructures GPU. Mission : La mission consiste principalement à déployer et optimiser des modèles de Génération d'Intelligence Artificielle (Gen AI) en utilisant des LLMs. Le candidat devra être capable de prendre en charge le déploiement sur une carte graphique (GPU), et de travailler en collaboration avec l’équipe pour intégrer et déployer des solutions sur des plateformes techniques complexes. Déploiement de modèles Custom Gen AI : Prendre en charge la configuration, le déploiement et l'optimisation de modèles d'intelligence artificielle généraux et spécifiques (Custom Gen AI). Travail avec des LLMs (Large Language Models) : Déployer et ajuster des LLMs sur des infrastructures GPU. Utilisation de solutions Open Source : Exploiter des outils et frameworks open source pour optimiser les performances des modèles. Gestion de l’infrastructure : Assurer le déploiement et la gestion de l’infrastructure nécessaire au bon fonctionnement des modèles d’IA sur des cartes graphiques. Collaboration interdisciplinaire : Travailler étroitement avec les équipes de data science et de développement pour assurer une intégration fluide des modèles dans les environnements de production. Expérience en MLOps : Expertise en déploiement de modèles IA dans des environnements de production. Modèles LLM (Large Language Models) : Connaissance approfondie et expérience de travail avec des modèles de langage de grande taille. Cartes Graphiques (GPU) : Compétence dans le déploiement de modèles d'IA sur des GPU (NVIDIA ou autres). Frameworks Open Source : Maîtrise des frameworks open source comme TensorFlow, PyTorch, Hugging Face, etc. Déploiement sur environnements cloud (AWS, Azure, GCP) est un plus. Compétences en développement et scripting : Python, Bash, ou autres langages de scripting pour automatiser les processus de déploiement et d'intégration. Prise en charge des entretiens techniques : Capacité à réaliser des entretiens techniques pour évaluer des compétences en IA et MLOps. Formation Bac+5 ou équivalent en informatique, data science ou domaines similaires. Expérience significative en déploiement de modèles d'intelligence artificielle et gestion de leur infrastructure. Connaissance approfondie des architectures GPU et des meilleures pratiques pour le déploiement de modèles sur ces plateformes. Autonomie, capacité à résoudre des problèmes techniques complexes et à travailler sous pression. Excellent esprit d’équipe et communication pour collaborer avec différentes parties prenantes.