Directeur, Ingénierie de plateforme ML

Concevoir, construire et optimiser les outils de déploiement d'apprentissage automatique et les systèmes d'automatisation pour les applications de données et de ML.,Concevoir et mettre en œuvre les meilleures pratiques et normes pour les pipelines de données et d'apprentissage automatique à l'échelle de l'organisation.,Collaborer avec les ingénieurs et les chercheurs en apprentissage automatique pour automatiser l'analyse de code, la construction, l'intégration et le déploiement des applications ML.,Soutenir les applications et les projets avec des décisions de conception d'infrastructure et des solutions de surveillance.,Construire des systèmes infonuagiques et sur site hautement évolutifs et résilients pour héberger des systèmes d'apprentissage automatique en utilisant des technologies de pointe.

Expérience solide et pertinente dans la conception et la mise en œuvre de systèmes distribués et de systèmes d'apprentissage automatique.,Expérience dans la construction et la maintenance de pipelines DevOps (par exemple, Jenkins, GitHub actions).,Expérience préalable avec des outils d'orchestration MLOps (par exemple, AirFlow, KubeFlow, Dagster, Flyte, MetaFlow).,Connaissance approfondie des différentes étapes du processus de déploiement d'applications d'apprentissage automatique.,Expérience dans la création d'outils et d'applications pour automatiser diverses tâches d'infrastructure et DevOps.,Maîtrise des langages de programmation tels que Python, Bash ou JavaScript.,Solide compréhension du système d'exploitation UNIX.,Expérience dans la mise en œuvre de solutions de surveillance pour identifier les goulots d'étranglement du système et les problèmes de production.,Connaissance des meilleures pratiques d'ingénierie logicielle professionnelle pour le cycle de vie complet du développement logiciel, y compris les méthodes de test, les normes de codage, les revues de code et la gestion du contrôle de code source.,Expérience pratique dans la construction et le déploiement d'environnements hybrides sur site et dans les principaux environnements cloud (par exemple, AWS et Azure).,Familiarité avec les frameworks d'apprentissage automatique tels que PyTorch, TensorFlow et/ou similaires.