Ingénieur(e) de Données/MLOps Bilingue Intermédiaire pour soutenir l'évolution du framework ML et déployer les nouveaux services IA. -19516

Notre client est à la recherche d'un(e) Ingénieur(e) de Données/MLOps Bilingue Intermédiaire pour soutenir l'évolution du framework ML et déployer les nouveaux services IA.

Contrat initial de 12 mois avec extension possible, hybride à Montréal (2 jours par semaine au bureau, 3 jours par semaine en télétravail). 40 heures/semaine

Responsabilités:

• Évolution du framework ML ;
• Déployer les nouveaux services IA dans la plateforme ;
• Évaluer la pertinence des nouvelles fonctionnalités Databricks ;
• Agir comme expert-conseil dans l’architecture de solutions MLOps, ainsi que d’outils (framework) d’industrialisation ML ;
• Orienter la conception des solutions autour des meilleures pratiques de développement et aux cas d'utilisation de transformation de données, d’entraînement, d’inférence, de monitoring, etc. ;
• Concevoir l’architecture logicielle de nouveaux outils analytiques ;
• Évaluer de manière structurée des composants technologiques ou librairies disponibles sur le marché et les intégrer à notre outillage existant ;
• Participer à l’architecture et à la construction de solutions analytiques d’affaires d’envergure ;
• Contribuer activement au développement de la culture « Infrastructure as Code » et à l’automatisation.

Compétences Requises:

• 6-9 ans d’expérience en ingénierie de données/MLOps
• Excellente communication en français
• Démontrer de solides connaissances en architecture logicielle, design patterns et meilleures pratiques de développement dans une contexte analytique
• Démontrer une expérience importante en création d’artéfacts réutilisables et robustes (librairies ou autres)
• Démontrer une expertise approfondie du langage Python
• Avoir de solides connaissances de la plateforme Databricks, des différentes capacités et de son API
• Modélisation de données structurées et non structurées
• Maîtriser les particularités associées à des systèmes d’envergure, à des volumes de données élevées (big data) et du transit en temps réel (streaming)
• Technologies requises : Azure, Databricks, MlFlow, Spark, Azure SQL, Cosmos DB, Python, SQL, Terraform, Azure DevOps, GitHub, Artifactory, Jira, Confluence