Data Scientist/Senior Ai-Ml Developer | Scientifique Des Données/Développeur(Se) Ia-Ml Senior

Position Summary: We are seeking a hands-on Data Scientist / Senior AI-ML Developer with 3-4 years of solid professional experience to design, architect, deploy, and maintain scalable AI/ML solutions. Reporting to the Head of Analytics, you will work closely with an existing AI-ML Developer to ensure production-grade AI applications meet business needs while being robust and efficient. Key Responsibilities: AI Solutions Architecting and Deployment:

• Architect, design, and implement scalable AI/ML solutions, ensuring they meet business and technical requirements.
• Build and manage end-to-end MLOps pipelines to automate model development, testing, and deployment.
• Deploy machine learning models in Azure and AWS cloud environments using industry best practices.
• Ensure the scalability, reliability, and security of deployed AI solutions in production environments.
• Develop containerized applications using Docker; manage orchestration using Kubernetes (nice to have).
• Monitor model performance, troubleshoot issues, and implement model retraining strategies to address drift.
• Collaborate with data engineers to build efficient data pipelines for model training and inference workflows.

Model Development and Innovation:

• Design and develop machine learning models using techniques such as supervised/unsupervised learning and deep learning.
• Optimize and modularize AI/ML applications to ensure smooth integration with enterprise systems.
• Research and prototype new approaches to scaling AI solutions to handle real-world business challenges.
• Focus on modular design and API creation to enable easy integration of models with applications.

Monitoring and Maintenance:

• Implement tools and workflows for real-time monitoring of deployed models, including performance tracking and error detection.
• Manage the product deployment lifecycle, including version control, scalability improvements, and periodic maintenance.
• Ensure compliance with network security standards and best practices during product deployment.

Collaboration and Alignment:

• Partner with the existing AI-ML Developer to streamline the development-to-deployment workflow.
• Work closely with data engineers, BI developers, and business stakeholders to ensure AI solutions align with business objectives.
• Support and mentor team members to adopt MLOps principles and practices.

Documentation and Communication:

• Document all solution workflows, deployment processes, and model performance benchmarks.
• Effectively communicate progress, results, and technical challenges to stakeholders.
• Contribute to technical design discussions and ensure adherence to best practices.

Qualifications: Education:

• PhD or Master’s degree in Computer Science, AI/ML, Data Science, or a related technical field.

Experience:

• 3-4 years of hands-on professional experience (academic projects not considered).
• Proven experience architecting, deploying, and scaling AI/ML solutions in production environments.
• Solid understanding of the MLOps lifecycle, including automation, monitoring, and retraining of models.

Skills:

• Cloud Deployment: Strong hands-on experience deploying models in Azure and/or AWS environments.
• MLOps Tools: Proficiency in CI/CD tools (e.G., Jenkins, GitHub Actions, Azure DevOps) for model deployment.
• Containerization: Hands-on experience with Docker; familiarity with Kubernetes for orchestration is a plus.
• Programming: Proficiency in Python; experience with ML frameworks such as TensorFlow, PyTorch, or Scikit-Learn.
• Data Pipelines: Collaborate with data engineers to develop seamless data workflows for training and inference.
• Monitoring: Experience using tools like MLflow, Prometheus, or Grafana for tracking and monitoring models.
• API Creation: Ability to create modular applications with API interfaces to integrate models into production systems.
• Version Control: Expertise with Git for version tracking and collaboration.
• Strong problem-solving, analytical, and critical-thinking skills.
• Excellent verbal and written communication to explain technical concepts to stakeholders.
• Ability to work collaboratively in a team while also being independent and self-motivated.
• Detail-oriented with strong project management skills to prioritize and deliver multiple tasks.

We thank all applicants for their interest; however, only shortlisted candidates will be contacted for further steps. ______________________________________________________________ Résumé du poste Nous recherchons un(e) Scientifique des données / Développeur(se) IA-ML senior, pragmatique et expérimenté(e), avec 3 à 4 ans d'expérience professionnelle solide, pour concevoir, architecturer, déployer et maintenir des solutions IA/ML évolutives. Sous la supervision du Responsable de l'Analytique, il/elle collaborera étroitement avec un(e) Développeur(se) IA-ML existant(e) afin d’assurer que les applications IA en production répondent aux besoins métier tout en étant robustes et efficaces. Responsabilités clés Architecture et déploiement de solutions IA

• Concevoir, architecturer et implémenter des solutions IA/ML évolutives répondant aux exigences métier et techniques.
• Construire et gérer des pipelines MLOps de bout en bout pour automatiser le développement, les tests et le déploiement des modèles.
• Déployer des modèles de machine learning dans des environnements cloud (Azure, AWS) selon les meilleures pratiques de l'industrie.
• Assurer la scalabilité, la fiabilité et la sécurité des solutions IA déployées en production.
• Développer des applications conteneurisées avec Docker et gérer leur orchestration via Kubernetes (un atout).
• Surveiller la performance des modèles, résoudre les problèmes et mettre en œuvre des stratégies de réentraînement pour gérer la dérive.
• Collaborer avec les ingénieurs de données pour créer des pipelines de données efficaces pour les workflows d’entraînement et d’inférence des modèles.

Développement et innovation des modèles

• Concevoir et développer des modèles de machine learning en utilisant des techniques d’apprentissage supervisé/non supervisé et d’apprentissage profond.
• Optimiser et modulariser les applications IA/ML pour assurer une intégration fluide avec les systèmes d'entreprise.
• Rechercher et prototyper de nouvelles approches pour adapter les solutions IA à des défis métier réels.
• Mettre l'accent sur la conception modulaire et la création d'API pour faciliter l’intégration des modèles aux applications.

Surveillance et maintenance

• Mettre en œuvre des outils et workflows pour la surveillance en temps réel des modèles déployés, y compris le suivi des performances et la détection des erreurs.
• Gérer le cycle de vie des déploiements de produits, notamment le contrôle des versions, les améliorations de scalabilité et la maintenance périodique.
• Garantir la conformité avec les normes de sécurité réseau et les meilleures pratiques lors des déploiements de produits.

Collaboration et alignement

• Collaborer avec le/la Développeur(se) IA-ML existant(e) pour rationaliser le flux de travail entre développement et déploiement.
• Travailler en étroite collaboration avec les ingénieurs de données, les développeurs BI et les parties prenantes métier pour aligner les solutions IA sur les objectifs de l’entreprise.
• Soutenir et encadrer les membres de l’équipe pour adopter les principes et pratiques MLOps.

Documentation et communication

• Documenter tous les workflows des solutions, les processus de déploiement et les benchmarks de performance des modèles.
• Communiquer efficacement les progrès, les résultats et les défis techniques aux parties prenantes.
• Contribuer aux discussions techniques de conception et garantir le respect des meilleures pratiques.

Qualifications

• Doctorat ou maîtrise en Informatique, IA/ML, Science des données ou domaine connexe.
• 3 à 4 ans d'expérience professionnelle pratique (les projets académiques ne sont pas pris en compte).
• Expérience avérée en architecture, déploiement et mise à l'échelle de solutions IA/ML en environnement de production.
• Solide compréhension du cycle de vie MLOps, incluant l’automatisation, la surveillance et le réentraînement des modèles.
• Déploiement cloud : Expérience pratique dans le déploiement de modèles sur Azure et/ou AWS.
• Outils MLOps : Maîtrise des outils CI/CD (ex. : Jenkins, GitHub Actions, Azure DevOps) pour le déploiement des modèles.
• Conteneurisation : Expérience pratique avec Docker ; connaissance de Kubernetes pour l'orchestration (un atout).
• Programmation : Maîtrise de Python et des frameworks ML tels que TensorFlow, PyTorch ou Scikit-Learn.
• Pipelines de données : Collaboration avec des ingénieurs de données pour développer des workflows fluides pour l’entraînement et l’inférence.
• Surveillance : Expérience avec des outils comme MLflow, Prometheus ou Grafana pour le suivi et la surveillance des modèles.
• Création d’API : Capacité à créer des applications modulaires avec des interfaces API pour intégrer les modèles aux systèmes de production.
• Contrôle de version : Expertise avec Git pour le suivi des versions et la collaboration
• Solides compétences en résolution de problèmes, analyse et réflexion critique.
• Excellente communication écrite et orale pour expliquer des concepts techniques aux parties prenantes.
• Capacité à travailler en collaboration dans une équipe tout en étant indépendant(e) et motivé(e).
• Attention aux détails et compétences en gestion de projet pour prioriser et mener à bien plusieurs tâches.

Nous remercions tous les candidat(e)s pour leur intérêt. Seuls les candidat(e)s présélectionné(e)s seront contacté(e)s pour les étapes suivantes.