Ingénieur de plateforme d'apprentissage automatique

Déployer et exploiter la plateforme GenAI sur OpenShift/Kubernetes.,Gérer les déploiements de grands modèles linguistiques (Cohere Command, Llama, Mistral) sur l'infrastructure GPU (NVIDIA A100/H100).,Configurer les pipelines RAG avec des frameworks de service comme vLLM, NVIDIA NIM et TensorRT-LLM.,Surveiller l'utilisation du GPU, les métriques de performance des modèles et l'allocation des ressources.,Mettre en œuvre des piles d'observabilité (Prometheus, Grafana, Pushgateway, pipelines de journalisation structurée) pour la santé et la sécurité de la plateforme.,Concevoir et mettre en œuvre les meilleures pratiques et normes pour les pipelines de données et d'apprentissage automatique.,Soutenir les utilisateurs de la plateforme et les équipes interfonctionnelles par des conseils en conception d'infrastructure, de la documentation et de la collaboration.,Construire des systèmes sur site hautement évolutifs et résilients pour héberger des systèmes d'apprentissage automatique.,Solide expérience dans la conception et l'exploitation de systèmes distribués/ML.,Connaissance approfondie de Kubernetes/OpenShift (Helm, opérateurs, ressources personnalisées, RBAC, dépannage).,Expérience avérée dans la construction de pipelines DevOps/CI/CD (GitHub Actions), d'images Docker multi-étapes, de mise en miroir de registres et d'automatisation d'infrastructure dans des environnements d'entreprise restreints.,Connaissance approfondie des différentes étapes du processus de déploiement d'applications d'apprentissage automatique.,Maîtrise des langages de programmation tels que Python, Bash ou Rust.,Solide compréhension des meilleures pratiques d'ingénierie logicielle (tests, normes de codage, revues de code, contrôle de version, surveillance de production, alertes).,Expérience pratique dans la construction et le déploiement d'environnements hybrides dans des environnements d'entreprise sur site.,Familiarité avec l'inférence et le service de grands modèles linguistiques (LLM) (par exemple, VLLM).

Solide expérience dans la conception et l'exploitation de systèmes distribués/ML.,Connaissance approfondie de Kubernetes/OpenShift (Helm, opérateurs, ressources personnalisées, RBAC, dépannage).,Expérience avérée dans la construction de pipelines DevOps/CI/CD (GitHub Actions), d'images Docker multi-étapes, de mise en miroir de registres et d'automatisation d'infrastructure dans des environnements d'entreprise restreints.,Connaissance approfondie des différentes étapes du processus de déploiement d'applications d'apprentissage automatique.,Maîtrise des langages de programmation tels que Python, Bash ou Rust.,Solide compréhension des meilleures pratiques d'ingénierie logicielle (tests, normes de codage, revues de code, contrôle de version, surveillance de production, alertes).,Expérience pratique dans la construction et le déploiement d'environnements hybrides dans des environnements d'entreprise sur site.,Familiarité avec l'inférence et le service de grands modèles linguistiques (LLM) (par exemple, VLLM).