Ingénieur DevOps intermédiaire en IA

Responsabilités principales

• Normalisation et adoption de l’IA : Mettre en œuvre les meilleures pratiques en matière d’IA et soutenir activement leur adoption par les équipes d’ingénierie.
• Collaboration inter-unités d’affaires : Travailler en étroite collaboration avec les équipes des différentes unités d’affaires pour assurer l’intégration réussie de la puissance de l’IA et des pratiques MLOps.
• Mise en œuvre et configuration MLOps : Configurer les outils MLOps, les pipelines CI/CD et les composants d’infrastructures conformément aux conceptions architecturales établies.
• Soutien aux développeurs : Aider directement les équipes de développement à utiliser les capacités d’activation, à résoudre les problèmes de pipeline et à fournir des conseils sur les meilleures pratiques pour le développement de l’IA/ML.
• Contribution à la documentation : Créer et mettre à jour la documentation destinée aux utilisateurs, les tutoriels et les exemples pour les outils MLOps, les processus et les ressources d’activation de l’IA.
• Scripting et automatisation : Développer des scripts pour automatiser les tâches de routine pour l’équipe d’activation et les équipes de développement, améliorant ainsi l’efficacité.
• Collecte de commentaires : Recueillir systématiquement les commentaires des équipes de développement concernant la convivialité et l’efficacité des ressources et des outils d’activation.

Qualifications essentielles

• Exécution MLOps : Capacité à mettre en œuvre et à configurer les outils MLOps et les pipelines CI/CD tels que conçus.
• Soutien technique : Compétence à aider les développeurs, à résoudre les problèmes techniques et à les guider sur les meilleures pratiques.
• Développement d’automatisation : Maîtrise du scripting (par exemple, Python, Bash) pour automatiser les tâches de routine.
• Documentation : Capacité à créer et à mettre à jour une documentation technique claire et conviviale.
• Collaboration : Capacité à travailler efficacement avec des équipes interfonctionnelles et à recueillir des commentaires constructifs.
• Résolution de problèmes : Aptitude à identifier et à résoudre les problèmes techniques dans les cadres établis.
• Compréhension du flux de travail IA/ML : Connaissance fondamentale des concepts d’IA/ML et de l’importance de DevOps dans leur cycle de vie.

Qualifications souhaitées

• Baccalauréat en informatique, en ingénierie, en science des données ou dans un domaine connexe, ou expérience pratique équivalente.
• 2 à 4 ans d’expérience dans des rôles DevOps, SRE ou d’ingénierie logicielle, avec une exposition aux flux de travail de développement IA/ML.
• Expérience pratique de la configuration et de la gestion des pipelines CI/CD.
• Expérience avec des langages de script tels que Python ou Bash.
• Familiarité avec les plateformes infonuagiques (AWS, Azure, GCP) et leurs services pertinents.
• Exposition aux outils et concepts MLOps (par exemple, MLflow, Kubeflow, SageMaker, Vertex AI).
• Expérience en création de documentation technique.
• Compréhension de Git pour le contrôle de version.
• Familiarité avec les technologies de conteneurisation comme Docker.
• Connaissance de base des concepts d’IA/ML et du cycle de vie du développement ML.