Machine Learning Engineer Lead Expert

Description du poste

Métier : Data Management, Machine Learning Engineer

Spécialités technologiques : Cloud, Deep Learning, Machine Learning, Big Data, Simulation

Type de facturation : Assistance Technique (facturation avec un taux journalier)

Compétences :

• Technologies et Outils : GIT, CI/CD, Pytorch, Python (5 ans), Xarray, AWS (5 ans), Docker


• Soft skills : Bonne pédagogie pour accompagner/coach l’équipe

Secteur d'activité : Assurance

Description de la prestation :

• Projet dans le secteur de l’assurance pour un Machine Learning Engineer Lead Expert spécialisé en recherche appliquée sur les événements climatiques extrêmes utilisant des modèles d’IA.


• Travail sur des simulations météo pour identifier les risques de catastrophes et développer des modèles de Machine Learning avec gestion de big data et code Python.

Responsabilités principales :

• Fournir et gérer du code et des données de qualité pour l’équipe R&D.


• Refactoriser, structurer et documenter la bibliothèque Python pour les simulations, inférence et analyse.


• Développer des pipelines robustes pour la simulation, la détection d’événements extrêmes, l’entraînement et l’évaluation des modèles, notamment sur GPU.


• Appliquer les meilleures pratiques de développement logiciel scientifique : tests, CI/CD, conception modulaire, reproductibilité.


• Optimiser l’utilisation de serveurs multi-GPU pour des entraînements IA à grande échelle.


• Former et accompagner l’équipe sur les bonnes pratiques de développement scientifique et l’utilisation des GPU.

Obligatoires :

- Python avancé et meilleures pratiques de développement logiciel
- Pipelines scientifiques : orchestration, traitement en lots, suivi d’expérimentations
- Outils : Git, Docker
- Cloud AWS et environnements on-premise

Souhaitées :

- Gestion de données climatiques ou géospatiales : xarray, Zarr, S3
- Deep learning sur GPU : PyTorch, entraînement multi-GPU, optimisation des performances
- Ingénierie logicielle scientifique, MLOps ou infrastructures de données en environnement R&D
- Expérience avérée en collaboration sur des bases de code robustes, performantes et scalables
- Familiarité ou fort intérêt pour les sciences du climat, la simulation ou la modélisation physique est un plus
- Solides compétences en transmission de connaissances et en communication
- Exigence élevée en termes de qualité et de clarté du code