Chef de projet Intégration DEVOPS & ML Engineer Cloud - Freelance (H/F)
Collective.work·Paris·Publiée il y a 26 j·Offre vérifiée aujourd'hui
Freelance
Tech
France Travail
Le poste
Taux journalier (TJM):
530
CONTEXTE
Poste : Chef de projet Intégration, DEVOPS & ML Engineer Cloud. Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, Gen
AI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Le prestataire interviendra à l'interface entre équipes Métier / Data Science et Infrastructure / Exploitation, en binôme technique avec une ingénieure ML/MLOps déjà en poste, pour assurer continuité de service et évolution de deux volets ML en production.
MISSIONS
*
Volet 1 - Cas d'usage ML sur AWS (Data Science appliquée & Serverless) :
Traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, traitements serverless et génération documentaire.
Environnement technique : Amazon Sage
Lire toute la description ⌄Réduire ⌃
Taux journalier (TJM):
530
CONTEXTE
Poste : Chef de projet Intégration, DEVOPS & ML Engineer Cloud. Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, Gen
AI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Le prestataire interviendra à l'interface entre équipes Métier / Data Science et Infrastructure / Exploitation, en binôme technique avec une ingénieure ML/MLOps déjà en poste, pour assurer continuité de service et évolution de deux volets ML en production.
MISSIONS
*
Volet 1 - Cas d'usage ML sur AWS (Data Science appliquée & Serverless) :
Traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, traitements serverless et génération documentaire.
Environnement technique : Amazon Sage
Maker (training, inférence, pipelines, model registry), Amazon Bedrock (Gen
AI, RAG, Guardrails), Lambda, S3, Glue, Kinesis / Firehose, Athena, Comprehend / Textract, boto3 ; socles data ELK et Big
Query ; Ia
C Terraform.
*
Volet 2 - Cas d'usage MLOps sur Azure (Industrialisation de modèles) :
Industrialisation end-to-end (jeux de données versionnés, pipelines d'entraînement, gate d'évaluation, registre de modèles, déploiement blue/green, monitoring de drift), déploiement multi-sites et optimisation (architecture multi-sites, modèles RL / SAC).
Environnement technique : Azure Machine Learning (endpoints online/batch, pipelines, model registry, MLflow, data assets, blue/green, drift), Microsoft Fabric / One
Lake, Azure DevOps, Azure AI (Azure OpenAI, AI Search, Cognitive Services), AKS, Ia
C Terraform / Bicep.
*
Objectifs : architectures cloud hybrides IA, pipelines CI/CD ML, modules Terraform documentés, conteneurisation, support N3 IA/Data, audits Fin
Ops IA, sécurité et conformité des données.
*
Démarrage : ASAP
OUTILS & ENVIRONNEMENT
* Cloud & IA multi-cloud : AWS (Lambda, S3, Glue, Sage
Maker, Bedrock), Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services), GCP (notions)
* Data & Observabilité : ELK, Big
Maker, Azure DevOps
CONDITIONS DE TRAVAIL
* Démarrage : ASAP
* Environnement multi-cloud (AWS, Azure, GCP)
* Collaboration en binôme technique avec une ingénieure ML/MLOps
* Poste au sein du Pôle Infrastructure Technique de la DSI
----------------------------------------
Abonnez-vous à la page Naxo
Tech sur LinkedIn pour découvrir nos offres régulières :
https://www.linkedin.com/company/naxotech (https://www.linkedin.com/company/naxotech)
1. Data Science appliquée (Avancé) : Python avancé, EDA, géomatching / rapprochement spatio-temporel, feature engineering, évaluation robuste, notions RL / SAC
2. MLOps & déploiement (Avancé) : CI/CD ML, gate d'évaluation, versioning data/modèles, model registry, stratégies inférence real-time/batch, blue/green, monitoring de drift, maîtrise Azure Machine Learning et Microsoft Fabric / One
Lake
3. Cloud IA multi-cloud (Avancé AWS & Azure) : services AWS (Lambda, S3, Glue, Sage
Maker, Bedrock) ET Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services)
4. Ia
C, conteneurs & CI/CD (Confirmé à Avancé) : Terraform confirmé/avancé, notions ARM / Bicep ou Cloud