Senior MLOps Engineer | Ingénieur·e MLOps senior

Senior MLOps Engineer | Ingénieur·e MLOps senior Traits We Value À propos du poste Jesta I.S. développe des technologies d’entreprise pour le commerce de détail, utilisées par des marques de vêtements et de chaussures ayant des opérations complexes et multi-sites. Notre environnement de données englobe des plateformes ERP et cloud, et notre culture d’ingénierie est pratique, pragmatique et dynamique. Vous travaillerez dans un environnement de production intégrant Oracle, Snowflake et AWS, soutenu par des normes de sécurité rigoureuses, des pratiques modernes de CI/CD, et une collaboration étroite entre les équipes de science des données et d’ingénierie. Nous recherchons un·e Ingénieur·e MLOps senior pour concevoir, construire et maintenir les pipelines de données et d’apprentissage automatique (machine learning) qui alimentent nos plateformes d’IA et d’analytique. Il s’agit d’un rôle d’ingénierie pratique couvrant l’ensemble du cycle de vie des opérations ML — de l’ingestion et la transformation des données à l’entraînement, au déploiement et à la ré-entraînement des modèles. Vous interviendrez à travers plusieurs couches de la pile cloud, reliant l’ingénierie de données, l’automatisation ML et le déploiement, avec un accent sur la fiabilité, la scalabilité, la performance et la rentabilité des solutions. Responsabilités clés Concevoir et automatiser des pipelines ML pour la préparation des données, l’entraînement, l’inférence et la ré-entraînement. Développer et maintenir des pipelines de données entre Oracle ERP, Snowflake et les environnements cloud. Créer des pipelines modulaires basés sur Kedro pour des workflows réutilisables et faciles à maintenir. Utiliser AWS Glue, DMS, Athena et dbt pour les processus ETL et les transformations analytiques. Gérer les charges AWS Batch et Fargate pour l’entraînement et l’inférence des modèles à grande échelle. Intégrer des bibliothèques avancées de science des données et de prévision dans les workflows de production. Mettre en œuvre des pipelines CI/CD pour les workflows ML et de données (GitHub Actions, Jenkins, etc.). Utiliser MLflow pour le suivi des expériences, le registre de modèles et la gestion des artefacts. Construire et maintenir des environnements Dockerisés déployés via AWS EC2, ECR et Batch. Baccalauréat ou maîtrise en informatique , apprentissage automatique (machine learning) ou dans un domaine connexe. 5 ans ou plus d’expérience professionnelle en ingénierie ML , MLOps ou développement de pipelines de données . Capacité démontrée à concevoir et automatiser des pipelines ML complets dans un environnement cloud. Solides compétences en Python et SQL . Expérience dans l’intégration de systèmes ML avec des sources de données d’entreprise (Oracle , Snowflake ). Bonne connaissance des déploiements conteneurisés , de l’orchestration de workflows et de l’automatisation CI/CD . Compréhension du cycle de vie des modèles , du versionnage et des meilleures pratiques de déploiement en production. Collaborer avec les data scientists pour industrialiser les modèles et optimiser la performance. Garantir des déploiements cloud sécurisés et conformes (IAM, RBAC, chiffrement et sécurité réseau). Environnement technique Langages et frameworks : Python (pandas, PySpark, Polars, boto3, joblib, lightgbm/xgboost), SQL, dbt Ingénierie de données : AWS Glue, AWS DMS, Athena, Snowflake, Oracle Pipelines et orchestration : Kedro, Airflow, EventBridge, Batch, Fargate MLOps : MLflow, Docker, ECR, CI/CD (GitHub Actions, Jenkins ou équivalent) Prévision et modélisation : Prophet, XGBoost, LightGBM, scikit-learn Cloud et déploiement : AWS (EC2, S3, RDS, Glue, Batch, Fargate), Azure (intégration/authentification) Sécurité : AWS IAM, Cognito, chiffrement et contrôle d’accès réseau Qualités recherchées Ingénieur·e pratique avec un fort sens des responsabilités. Esprit analytique, axé sur la performance et la résolution de problèmes. Capacité à équilibrer pragmatiquement évolutivité, coûts et maintenabilité. À l’aise à l’intersection des données, du ML et du génie logiciel. Esprit collaboratif — travaille étroitement avec les data scientists et les développeur·euse·s. Passion pour l’automatisation, la fiabilité et l’amélioration continue. Informations complémentaires Modèle de travail : Hybride ; présence au bureau de Montréal deux jours par semaine. Option de télétravail possible pour les candidat·e·s exceptionnel·le·s. Nous remercions toutes les personnes intéressées ; seules les personnes retenues seront contactées. Rejoignez‑nous pour construire les fondations cloud de notre avenir IA #J-18808-Ljbffr