Machine Learning Ops Engineer (H/F/N)

Paris, France

Believe

Discover how we help independent artists and labels grow at each stage of their development. Together, let's shape the future of music industry.

View all jobs at Believe

Description de l'entreprise

Believe est l'un des leaders mondiaux du marché de la musique numérique. Believe a pour mission 
d’accompagner les artistes et les labels locaux dans l’écosystĂšme digital en leur offrant des solutions à 
chaque étape de leur carriÚre et de leur développement. 
Ce sont plus de 2037 salariés dans plus de 50 pays qui accompagnent les artistes avec expertise,
respect, équité et transparence. 
Afin de soutenir notre forte croissance sur tous les continents, nous sommes constamment Ă  l’affĂ»t de 
nouveaux Believers. Rejoignez-nous afin qu’ensemble, nous ayons un impact fort et plus positif sur 
l’industrie musicale !
Believe est cotĂ©e sur le compartiment A du marchĂ© rĂ©glementĂ© d’Euronext Paris (Ticker : BLV, ISIN : 
FR0014003FE9).
Ready to #setthetone with Believe?

Description du poste

Le rÎle de Machine Learning Engineer Ops est à pourvoir au sein du Data Office, pÎle d'expertise data de Believe regroupant les activités de data management, data engineering, data science, d'architecture et de data translation. 
 
En tant que ML Engineer Ops, vous serez responsable de concevoir, mettre en Ɠuvre et maintenir l'infrastructure nĂ©cessaire pour dĂ©ployer, surveiller et scaler les modĂšles d'apprentissage automatique. Vous travaillerez en Ă©troite collaboration avec les data scientists et data engineers afin de garantir que les modĂšles soient dĂ©ployĂ©s de maniĂšre fiable et efficace dans des environnements de production. 

Principales responsabilités : 

  • Proposer l’outillage nĂ©cessaire aux data scientists afin d’accroĂźtre l’efficacitĂ© et la robustesse des projets ainsi que leur monitoring. 

  • Collaborer Ă©troitement avec les Ă©quipes architecture, data engineering et les data scientists pour comprendre les exigences des modĂšles, les spĂ©cifications des donnĂ©es et les objectifs du projet. 

  • IntĂ©grer les modĂšles d'apprentissage automatique dans l'infrastructure, en veillant Ă  l'efficacitĂ© opĂ©rationnelle rĂ©pondant aux besoins utilisateurs. 

  • Concevoir et mettre les solutions qui permettent une interaction avec les modĂšles de machine learning (API, endpoint..) 

  • CrĂ©er et maintenir des pipelines de donnĂ©es afin d'assurer un flux cohĂ©rent de donnĂ©es vers et depuis les modĂšles (feature engineering).  

  • Appliquer les pratiques DevOps pour l'intĂ©gration continue, le dĂ©ploiement et la surveillance des modĂšles d'apprentissage automatique. 

  • Surveiller les performances des modĂšles et mettre en Ɠuvre des outils pour ce faire 

  • Assurer la sĂ©curitĂ© et la confidentialitĂ© des donnĂ©es traitĂ©es par les modĂšles d'apprentissage automatique en collaboration avec l’équipe Data Mangement ainsi que le CISO groupe. 

  • Se tenir au courant des derniĂšres avancĂ©es dans les domaines de l'apprentissage automatique et du gĂ©nie logiciel afin d'apporter des solutions innovantes. 

 

Stack technique : Snowflake, Snowpark, AWS, MLFlow 

 

Qualifications

  • Master ou Ă©cole d'ingĂ©nieur spĂ©cialisĂ©e en mathĂ©matique, informatique, statistique 

  • ExpĂ©rience confirmĂ©e (minimum 5 ans d’expĂ©rience) en tant que Machine Learning Engineer ou Data Engineer Engineer, avec une solide comprĂ©hension des deux domaines. 

  • MaĂźtrise des bibliothĂšques/framework d'apprentissage automatique (Sklearn, TensorFlow, PyTorch..) et des langages de programmation (Python, Spark). 

  • ExpĂ©rience du prĂ©traitement des donnĂ©es, de l'entraĂźnement des modĂšles et des techniques de validation. 

  • Bonne connaissance des pratiques et des outils DevOps pour l'intĂ©gration et le dĂ©ploiement continus. 

  • Excellentes compĂ©tences en matiĂšre de rĂ©solution de problĂšmes et capacitĂ© Ă  travailler dans un environnement collaboratif en Ă©volution rapide. 

  • Solides compĂ©tences en communication 

  • Une expĂ©rience prĂ©alable des plateformes cloud (AWS, GCP) 

 

Informations supplémentaires

SET THE TONE WITH US

​Chez Believe, nous avons deux cƓurs : nos collaborateurs et nos artistes.​

Nous croyons en la force de nos collaborateurs, qui s'Ă©panouissent chaque jour en dĂ©veloppant leur potentiel... Notre objectif est d'offrir Ă  nos collaborateurs le meilleur environnement possible pour qu'ils puissent s'Ă©panouir.​

 

ROCK THE JOB ​

  • Programme de formation et de coaching sur-mesure ​

  • Une politique de tĂ©lĂ©travail​

  • Un programme de bien-ĂȘtre "Pauses" avec de nombreuses activitĂ©s et animations​

  • AccĂšs Ă  Eutelmed, la plateforme numĂ©rique de santĂ© mentale et de bien-ĂȘtre qui permet de parler Ă  un psychologue expĂ©rimenté​

  • Un restaurant d'entreprise sain et Ă©co-responsable​

  • Une assurance santĂ© individuelle ou familiale​

  • Avantages CE ​

  • Un rooftop​

  • Une salle de sport avec des cours gratuits​

​

SING IN HARMONY ​

  • Programme Ambassadeur : la possibilitĂ© pour tous les Believers de participer Ă  des initiatives de bĂ©nĂ©volat afin d'avoir un impact positif sur la diversitĂ©, l'Ă©quitĂ© et l'inclusion (DEI), le bien-ĂȘtre et la planĂšte.​

  • Mise en place du Forfait mobilitĂ© durable: remboursement jusqu’à 600€ des frais de transport en commun/avec une faible empreinte carbone.​

  • CongĂ© 2nd parent de 5 jours calendaires rĂ©munĂ©rĂ©s Ă  100% (en plus du congĂ© lĂ©gal paternitĂ© ou du congĂ© d’adoption, nous ne l’attribuons pas au congĂ© maternitĂ©)​

​

Believe s’engage Ă  garantir l’égalitĂ© des chances en matiĂšre d’emploi, sans tenir compte de l’origine, du genre, de l’ñge, de l’orientation sexuelle, de la religion ou de l’état de santĂ©.​

* Salary range is an estimate based on our AI, ML, Data Science Salary Index 💰

Job stats:  15  2  0

Tags: APIs Architecture AWS Data management DevOps Engineering Feature engineering GCP Machine Learning MLFlow Pipelines Python PyTorch Scikit-learn Snowflake Spark TensorFlow

Perks/benefits: Career development

Region: Europe
Country: France

More jobs like this