ML Ops Engineer (H/F)

Meritis est un cabinet de conseil, pilotage et développement IT fondé en 2007 présent à Paris, Sophia-Antipolis, Aix-en-Provence, Montpellier, Toulouse, Nantes... Et bientôt sur de nouveaux territoires ! Notre mission ? Connecter les meilleurs talents aux entreprises pour leur donner un temps d’avance.

Nous accompagnons nos clients dans l’intégralité de leurs besoins en transformation numérique à travers de nombreux domaines d’expertises : Software Engineering, Finance, Pilotage de projets, Devops, Data, Cloud, Cybersécurité ou encore Agilité.

Intervenant aussi bien dans les secteurs de la Banque, de l'Assurance, des Télécommunications que de l'Industrie ou des Transports, aujourd'hui 40% des entreprises du CAC40 sont clientes Meritis.

Fort de nos valeurs d’exigence, d’humilité, de bienveillance et de proximité, nous comptons aujourd’hui plus de 900 collaborateurs.

Nous mettons un point d’honneur à être proche de nos collaborateurs et à les accompagner de manière individualisée quelles que soient leurs fonctions dans l’entreprise. Certifiée Great Place To Work depuis 2013, notre conception du bien-être au travail va bien au-delà d'un simple label, ce sont nos collaborateurs qui en parlent le mieux : https://www.glassdoor.fr/Avis/Meritis-Avis-E1163008.htm.

Description Du Poste

Dans le cadre de l’accélération de projets Data & IA, nous recherchons un·e MLOps Engineer confirmé·e pour industrialiser, déployer et maintenir des modèles de Machine Learning.

Vous travaillerez en étroite collaboration avec les équipes Data Science, Engineering et Produit pour mettre en production des solutions ML robustes, scalables et observables.

Les missions seront :

• Concevoir et maintenir des pipelines MLOps de bout en bout (entraînement, validation, déploiement, monitoring)
• Industrialiser le déploiement de modèles ML en production (CI/CD, automatisation)
• Mettre en place des stratégies de monitoring des modèles (drift, performance, qualité des données)
• Gérer les environnements cloud et conteneurisés (Docker, Kubernetes)
• Collaborer avec les Data Scientists pour améliorer la reproductibilité et la performance des modèles
• Participer aux choix d’architecture et aux bonnes pratiques MLOps
• Garantir la fiabilité, la sécurité et la scalabilité des solutions ML
  
  

Qualifications

• Bac+5 ou diplôme d'ingénieur
• 3 ans d’expérience minimum en Data Engineering, Machine Learning ou MLOps
• Solide expérience en mise en production de modèles ML
• Très bonne maîtrise de Python
• Expérience avec des outils MLOps : MLflow, Kubeflow, Airflow...
• Connaissance des environnements cloud (AWS, GCP ou Azure)
• Maîtrise de Docker et Kubernetes
• À l’aise avec les pratiques CI/CD
• Sensibilité aux enjeux de monitoring, performance et fiabilité
• Esprit collaboratif, pragmatique et orienté solutions
  
  

Informations supplémentaires

• Des parcours professionnels sur mesure (évolution de carrière, formations adaptées, mentoring…) ;
• Avoir le choix de sa mission et un accompagnement personnalisé tout au long de votre carrière ;
• Evoluer dans un environnement où l’apprentissage est favorisé : formations certifiantes, e-learning, meetUp, concours de code, parcours d’évolutions etc ;
• Faire partie de communautés d’experts qui partagent leurs savoirs et expériences au sein de nos centres de compétences ;
• Un environnement convivial avec de nombreux événements festifs (soirée annuelle, séminaires & teambuiding, déjeuners et afterworks…) ;
  
  

"Meritis est engagée dans la Responsabilité Sociétale des Entreprises. Nous valorisons notre impact positif sur la société et l'environnement. Notre démarche RSE guide chacune de nos actions pour promouvoir l'équité, la durabilité et le bien-être de nos collaborateurs. Rejoignez-nous pour être partie prenante de cette démarche responsable, où chacun de nos talents contribue à construire un avenir meilleur.

Nos différences sont nos atouts. C’est pourquoi Meritis s'implique en faveur de la diversité et de la non-discrimination. Tous nos métiers sont accessibles aux personnes en situation de handicap."