Ingénieur MLOps

Crakmedia•Montreal, QC

5d•Onsite

About The Position

Être Ingénieur MLOps, c’est faire partie d’une équipe allumée et motivée par la donnée et le Machine Learning qui carbure à la résolution de problèmes et la création d'impacts positifs. Vous jouerez un rôle clé dans l'accélération de notre transformation numérique en intégrant les modèles ML dans nos systèmes de production, tout en garantissant la robustesse, la sécurité et l'efficacité des processus. Vous aurez l'opportunité de façonner nos meilleures pratiques en MLOps, d'influencer nos stratégies technologiques et d'accompagner des talents en partageant vos connaissances. Votre expertise contribuera directement à nos initiatives stratégiques en ML, avec des responsabilités évolutives adaptées à vos compétences.

Requirements

Détenir un minimum de 5 ans d'expérience dans un rôle similaire d’ingénieur MLOps
Posséder un diplôme universitaire en informatique, génie logiciel ou domaine connexe (maîtrise fortement valorisée)
Maîtriser les technologies conteneurisées, tel Docker et Kubernetes
Démontrer une connaissance approfondie des environnements Cloud (AWS) et des bases de données analytiques (tel que Snowflake)
Maîtriser les outils de versioning et de déploiement continu pour le ML (tel que MLflow)
Maîtriser l’écriture Python & la conception de solutions API robustes
Automatiser l’orchestration des workflows via des outils de type Cron, Airflow ou services Cloud équivalents
Collaborer avec enthousiasme au sein d'une équipe multidisciplinaire et faire preuve d'ouverture d'esprit
S'investir avec passion dans le succès et la pérennité des solutions déployées
Vulgariser des concepts techniques complexes de façon accessible pour des interlocuteurs variés
Faire preuve de curiosité et d'autocritique pour apprendre de ses erreurs et optimiser ses pratiques en continu

Responsibilities

Concevoir, développer et maintenir des pipelines CI/CD et d'intégration de modèles ML, en assurant reproductibilité et traçabilité (MLFlow).
Orchestrer des pipelines ML complexes dans des environnements conteneurisés (Docker/Kubernetes) et déployer les architectures sur AWS en optimisant disponibilité et coûts.
Automatiser le cycle de vie des modèles et configurer des systèmes de surveillance pour le suivi des performances et la détection d'anomalies en production.
Gérer l'architecture MonoRepo et assurer la résolution rapide des incidents.
Collaborer avec les équipes D&A, Data Science, CloudOps et R&D pour traduire les besoins de recherche en solutions de production robustes et bâtir les infrastructures Cloud ML.
Piloter l'implémentation d'architectures multi-agents et promouvoir les meilleures pratiques MLOps au sein de l'équipe.