MLOps Engineer
At a glance
Mid-level ML Platform & Ops role at EVERIENCE. Paris · full-time.
Pay not stated ML Platform & Ops salary
aimlroles summary, based on the employer's posting.
What you'll do
- Build end-to-end MLOps pipelines and automate model training, validation, deployment and ongoing retraining
- Put machine learning models into production, then manage their lifecycle using MLflow and its registry
- Set up and run ML infrastructure, including GPU workloads, containers, Kubernetes and Terraform provisioning
- Create CI/CD workflows for ML and improve platform monitoring, drift detection, performance, scale and cost
- Help data scientists and ML engineers productionize models, while documenting platform practices and improvements
What you bring
- At least three years in MLOps, ML platform engineering or DevOps focused on machine learning
- Hands-on experience taking machine learning models into production and strong Python skills
- Practical cloud experience with AWS or GCP, plus Terraform, Docker and Kubernetes
- Experience with MLflow and managing the stages of a model’s lifecycle
- Professional English and a sound grasp of production-model monitoring, performance and scalability
Who this fits
This role suits a mid-level MLOps engineer who enjoys building and operating shared ML platforms and supporting data science and ML teams. It is a consulting assignment in Paris or Lille, with a mission expected to last more than six months and a prompt start.
From the employer
Poste en consultance chez un de nos clients
Bienvenue dans l'univers de Size Up Consulting ! 🔥
Size Up Consulting, est plus qu'une simple société de conseil, elle se positionne comme partenaire engagé dans la réussite de ses clients et de ses collaborateurs, guidée par les 4 valeurs qui fédèrent notre collectif : la proximité , l'excellence, l'épanouissement  et l'engagement.
Dans un paysage IT en constante évolution, les missions de Size Up Consultings sont d'optimiser la stratégie digitale et l'expérience utilisateur en exploitant pleinement le potentiel des données. La société est reconnue dans trois domaines d'expertise majeures : la Data, le DevOps, et l'accompagnement utilisateur.
Quelques chiffres clés : 200 experts IT, une durée moyenne d’ancienneté de 5 ans, 31% des collaborateurs formés en 2022, l'appartenance à un groupe reconnu et présent dans le monde de l'IT depuis 30 ans 🚀
Prêt à faire partie d'une entreprise bienveillante où votre réussite sera aussi la nôtre ? Rejoignez-nous !
Localisation : Paris / Lille
Durée : mission longue, supérieure à 6 mois
Démarrage : dès que possible
Dans le cadre du développement d’une Data Factory, nous recherchons un Senior MLOps Engineer pour renforcer l’industrialisation, le déploiement et l’exploitation de modèles Machine Learning à grande échelle.
Le consultant interviendra sur des environnements Cloud AWS et GCP et contribuera à la construction et à l’évolution d’une plateforme MLOps utilisée par les équipes Data Science et Machine Learning.
Missions
Concevoir et industrialiser des pipelines MLOps de bout en bout.
Automatiser les phases de training, validation, déploiement et continuous training.
Déployer et exploiter des modèles Machine Learning en production.
Gérer le cycle de vie des modèles avec MLflow, Model Registry et les outils associés.
Construire et maintenir les infrastructures nécessaires aux workloads ML et GPU.
Déployer et administrer les environnements conteneurisés avec Docker et Kubernetes.
Automatiser le provisioning des infrastructures avec Terraform.
Mettre en place les pipelines CI/CD dédiés aux workloads ML.
Contribuer au monitoring des modèles, à la détection de drift et à l’observabilité des plateformes.
Optimiser les performances, la scalabilité et les coûts des infrastructures ML.
Accompagner les Data Scientists et ML Engineers dans l’industrialisation de leurs modèles.
Participer à la documentation, aux bonnes pratiques et à l’amélioration continue de la plateforme.
Environnement technique
AWS et GCP
Python
Terraform
Docker
Kubernetes
MLflow
Model Registry
Databricks
Airflow
GitHub Actions / CI/CD
GPU infrastructure et autoscaling
Monitoring et drift detection
Profil recherché
Minimum 3 ans d’expérience sur des problématiques MLOps, ML Platform Engineering ou DevOps appliqué au Machine Learning.
Expérience réelle de mise en production de modèles ML.
Très bonne maîtrise de Python.
Solide expérience Cloud sur AWS et/ou GCP.
Maîtrise de Terraform, Docker et Kubernetes.
Expérience de MLflow et de la gestion du cycle de vie des modèles.
Bonne compréhension des problématiques de monitoring, performance et scalabilité des modèles en production.
Une expérience Databricks, Airflow, Feature Store ou infrastructures GPU constitue un réel atout.
Anglais professionnel requis.
Tous nos postes se conjuguent au féminin et au masculin et sont bien évidemment ouverts aux personnes en situation de handicap.