Ingénieur en apprentissage automatique

Description de l'entreprise
Bienvenue chez Kanadevia Inova, un leader mondial de l'innovation dans le domaine des infrastructures de gestion des déchets, où nous croyons en la création d'un avenir durable grâce à la technologie et à l'innovation.
Transformer les déchets en valeur
Chez Kanadevia Inova, nous sommes fiers d'être à la pointe de la technologie waste-to-X. Nous ne sommes pas seulement des gestionnaires de déchets ; nous sommes des créateurs de valeur à partir de ce que les communautés jettent. Votre rôle chez Kanadevia Inova contribue directement à transformer ce qui était autrefois considéré comme inutile - les déchets - en quelque chose d'inestimable : énergie, chaleur, hydrogène, engrais, et au-delà.
Description du poste
Industrialiser et exploiter des solutions IA/ML en transformant des prototypes en applications évolutives prêtes pour la production.
Concevoir, implémenter et maintenir des pipelines MLOps de bout en bout couvrant l'entraînement, la validation, le déploiement, la surveillance et le réentraînement.
Collaborer étroitement avec les Data Scientists, Data Engineers, Software Engineers, Product Managers et parties prenantes commerciales pour fournir des solutions IA.
Assurer la fiabilité, la sécurité, la conformité, l'intégrité des données, la performance et la gouvernance tout au long du cycle de vie de l'apprentissage automatique.
Surveiller et optimiser la performance des modèles, résoudre les problèmes en production et soutenir l'amélioration continue tout en encadrant les collègues moins expérimentés.
Qualifications
Master en informatique ou dans un domaine STEM avec une forte orientation informatique, ainsi qu'une expérience en environnements de développement logiciel agile.
Solides compétences en programmation Python et expérience pratique avec des frameworks d'apprentissage automatique tels que PyTorch, TensorFlow ou Scikit-learn.
Bonne compréhension des pratiques MLOps, y compris le déploiement de modèles, la gestion des versions, la surveillance et la gestion du cycle de vie en environnements de production.
Expérience avec les plateformes cloud (de préférence Azure), les technologies de conteneurisation (Docker), les API, les bases de données et les systèmes distribués.
Connaissance de l'ingénierie des données et des frameworks de traitement des données ; une expérience avec l'IoT industriel, les données temporelles, la vision par ordinateur ou les solutions Physics-AI est un atout.
Informations supplémentaires
Pour les agences RH : Veuillez noter que nous n'acceptons pas les candidatures provenant d'agences. Merci.