MLOps Engineer Computer Vision

Le projet vise à sécuriser les caisses automatiques en identifiant des produits qui n’auraient pas été scannés, grâce à des algorithmes de computer vision.

Cette solution est en cours de déploiement massif. Les traitements étant en temps réel, ils reposent sur une architecture hybride (serveurs en magasins + cloud). 

Missions :

• Discuter avec les équipes opérationnelles et dirigeantes pour identifier leurs besoins et leurs difficultés, raffiner et prioriser les besoins avec l’ensemble de l’équipe

• Concevoir, développer, faire évoluer la solution logicielle de détection de fraude avec des traitements vidéo en temps réel, des processus d’apprentissage automatique et de labellisation de données, des services d’administration de la solution et de suivi de sa performance,

• Valider le comportement de la solution sur une infrastructure de test, identique aux magasins

• Contribuer itérativement au projet en tant que ML engineer : collecte des données et préparation, modélisation, développement, évaluation, revue de code, déploiement des solutions, suivi de l’impact;

• Communiquer sur les éventuels incidents des services en production

• Vous pourrez également participer aux échanges réguliers de notre communauté d’une quarantaine d'ingénieurs (data scientists, engineers, devops) : présentations,

• Partage de retours de conférences, débats sur les problématiques ML, de développement logiciel, ...

Compétences attendues :

• Diplômé(e) d’un Bac+5 en école d'ingénieur ou équivalent universitaire avec une spécialisation en informatique, ou justifiant d'une expérience significative équivalente

• Expérience de plus de 7 ans

• Le développement en Python, sur des services avec des contraintes fortes (ex : temps réel), industrialisés à l’échelle, au sein d’équipes comprenant de multiples contributeurs, avec des processus de revue de code exigeants et des tests automatisés.

• Le développement d’un projet de computer vision avec Pytorch (Ultralytics est un +)

• L’utilisation d'infrastructures cloud via du code Terraform, sur GCP de préférence