MLOps Engineer (H/F)

Type de contrat CDI

Localisation Toulouse (télétravail partiel possible)

Date de démarrage envisageable ASAP

Salaire À partir de 70K€ brut annuel

Secteur d'activité Défense & Cybersécurité

Ref 2286

Contact

À propos de nous RHESO.TECH est une agence de freelancing. Nous accompagnons l'industrie et les hautes technologies dans leurs projets de staffing d'ingénieurs et de cadres. Nos valeurs : l'humain, la confiance et la transparence.

Alors, qu'attendez-vous pour rejoindre notre Rheso ?

https://www.rheso.tech/

Le contexte Dans le cadre du développement et de l'industrialisation de solutions d'intelligence artificielle, notre client recherche un MLOps Engineer afin de concevoir et maintenir des plateformes techniques permettant le déploiement et l'exploitation de modèles de machine learning à grande échelle.

La mission s'inscrit dans un environnement technologique avancé nécessitant des infrastructures robustes, scalables et sécurisées.

Les missions

• Concevoir et maintenir des infrastructures dédiées au déploiement de modèles de machine learning
• Mettre en place et gérer des pipelines ML industrialisés
• Participer à l'architecture et à l'évolution des plateformes ML
• Déployer et orchestrer des services ML sur des environnements conteneurisés
• Optimiser les performances des infrastructures pour les charges de calcul IA
• Collaborer avec les équipes Data Science afin d'industrialiser les modèles développés
• Contribuer à l'amélioration continue des outils et processus MLOps

Compétences nécessaires

• Formation de niveau ingénieur minimum en informatique, data ou systèmes distribués
• Minimum 6 ans d'expérience en MLOps ou infrastructure Machine Learning
• Expertise en cloud computing (AWS, GCP ou Azure)
• Maîtrise de la containerisation (Docker, Kubernetes)
• Mise en place de pipelines CI/CD appliqués au Machine Learning
• Expérience avec MLflow, Kubeflow ou outils équivalents
• Bonne maîtrise des pipelines de données et de modèles ML
• Anglais courant impératif

Expertises techniques

• Architecture de plateformes Machine Learning
• Infrastructure cloud scalable et orchestration de services
• Kubernetes et gestion d'environnements conteneurisés
• Optimisation des ressources de calcul (CPU/GPU)
• Industrialisation et déploiement de modèles IA

Serait un plus

• Expérience sur des infrastructures IA à grande échelle
• Connaissance des environnements sécurisés ou fortement réglementés
• Expérience dans les secteurs défense, cybersécurité ou systèmes critiques