Emploi
De la source partenaire
Ingénieur senior en apprentissage automatique, plateforme ML
Prix sur demande
Détails
- Type de contrat
- Temps plein
- À distance
- Non
- Entreprise
- DeepHealth
Description
Traduit automatiquement depuis English. Le texte original fait foi. Traduction automatique — une traduction plus précise est en préparation.
L'ingénieur principal en apprentissage automatique, ML Platform est responsable de la création, de l'exécution et de l'évolution du monorepo ML utilisé par le groupe d'apprentissage automatique des rayons X, de la tomodensitométrie et de l'IRM de DeepHealth. Le monorepo couvre le chemin complet depuis l'expérimentation jusqu'au produit : définitions d'ensembles de données et d'échantillons, code de formation et d'évaluation, suivi des expériences, exportation de modèles et serveurs d'inférence exécutés en production. Tous les membres de l'équipe contribuent au monorepo ; ce rôle en est le seul point de responsabilité. Ce rôle pratique est responsable de l'architecture, des outils et des normes d'ingénierie de cette base de code pour une équipe distribuée d'une vingtaine d'ingénieurs et de scientifiques en apprentissage automatique, travaillant avec des développeurs de modèles et des ingénieurs logiciels pour rendre le travail de l'équipe plus rapide, meilleur et plus facile à auditer. Il dirige également la stratégie de codage agent de l’équipe, déterminant la manière dont les agents de codage IA sont utilisés dans la base de code. Le rôle relève du chef du groupe ML pour les rayons X/CT/IRM.
Tâches et responsabilités essentielles
• Posséder l'architecture et la feuille de route du ML Monorepo :
• Limites des modules, abstractions partagées pour les ensembles de données et les échantillons, boucles de formation et d'évaluation, configuration et suivi des expériences.
• Créez et exécutez les outils d'ingénierie autour de la base de code :
• Intégration continue, tests, gestion des dépendances, conteneurs, registres d'artefacts et de modèles, et planification des tâches GPU sur l'infrastructure cloud (GCP) et HPC.
• Posséder le chemin depuis le point de contrôle formé jusqu'au modèle déployable :
• Package de modèles, serveurs d'inférence avec contrats API appliqués, reproductibilité et budgets de performances et de mémoire sur le matériel cible.
• Définir et appliquer des normes d'ingénierie (révision du code, tests, documentation) de manière à accélérer la recherche plutôt que de la ralentir.
• Assurer la traçabilité des données, du code et des versions de modèles à travers les expériences et les versions.
• Enquêter et résoudre les problèmes de performances, de fiabilité et d'utilisabilité dans la pile soulevés par l'équipe et réduire leur récurrence grâce à des outils partagés.
• Piloter la stratégie de codage agent de l'équipe : définir comment les agents de codage IA sont utilisés dans le monorepo, mettre en place les outils, les garde-fous et les conventions qui les rendent efficaces et aider les collègues à les adopter.
• Révisez le code, encadrez vos collègues sur les pratiques d'ingénierie et communiquez clairement les décisions et les compromis techniques.
VEUILLEZ NOTER : Ceci n'est pas une liste exhaustive de toutes les tâches, responsabilités et exigences du poste décrit ci-dessus. D'autres fonctions peuvent être attribuées et la direction se réserve le droit d'ajouter ou de modifier des tâches à tout moment.
Qualifications minimales, formation et expérience
• Maîtrise en informatique, en ingénierie, en mathématiques ou dans un domaine connexe, ou expérience pratique équivalente (obligatoire).
• Plus de 5 ans d'expérience en génie logiciel, y compris une partie importante dans la construction d'infrastructures ou d'outils utilisés par les équipes d'apprentissage automatique, comme une plateforme ML ou un cadre de formation (obligatoire).
• Solides compétences en Python et principes fondamentaux du génie logiciel : conception d'API, tests, refactorisation et attention à l'expérience du développeur (obligatoire).
• Solides connaissances de PyTorch et expérience pratique de la formation et du profilage de modèles (obligatoire).
• Expérience de l'exécution de charges de travail de ML sur une plate-forme cloud, idéalement GCP (Vertex AI, Artifact Registry, IAM, stockage) et de la conteneurisation (obligatoire).
• Expérience dans la mise en production de modèles : packaging de modèles, service d'inférence et contraintes de performances et de fiabilité (obligatoire).
• Capacité à travailler en étroite collaboration avec les chercheurs, à traduire les problèmes récurrents en outils partagés et à réagir de manière constructive si nécessaire (obligatoire).
• Capacité à travailler de manière autonome au sein d'une équipe distribuée et multi-sites, avec une communication verbale et écrite claire en anglais (obligatoire).
• Expérience en imagerie médicale (DICOM, volumes 3D, grandes images) (de préférence).
• Expérience HPC et Slurm (de préférence).
• Contributions aux outils ML open source (de préférence).
Normes de qualité
• Communique, coopère et fonctionne de manière constante de manière professionnelle et harmonieuse avec tous les niveaux de supervision, collègues, visiteurs et fournisseurs.
• Fait preuve d'initiative, de conscience personnelle, de professionnalisme et d'intégrité, et fait preuve de confidentialité dans tous les domaines de performance.
• Suit toutes les lois locales, régionales et nationales concernant l'emploi.
• Suit toutes les politiques et procédures de DeepHealth.
• Suit à tout moment les normes de confidentialité, de conformité, de sécurité et de confidentialité des données.
• Pratique les précautions de sécurité universelles.
• Favorise de bonnes relations publiques au téléphone et en personne.
• S'adapte et est prêt à apprendre de nouvelles tâches, méthodes et systèmes.
• Se présente au travail régulièrement comme prévu ; toujours ponctuel en ce qui concerne les heures de travail, les repas et les pauses, et maintient une assiduité personnelle satisfaisante conformément aux directives de DeepHealth.
• Remplit les responsabilités professionnelles de manière qualitative et en temps opportun.
Voyage
Ce poste peut nécessiter des déplacements occasionnels entre les sites d'équipes (Paris, Pays-Bas, Grenoble/Rennes).
Environnement de travail
Bureau / Hybride. Paris, Île-de-France, France.
Exigences physiques
L'employé doit être en mesure d'accomplir les tâches et responsabilités essentielles du poste, avec ou sans aménagements raisonnables.
Salaire :
En fonction de l'expérience
50 000-80 000 euros
Trouvez plus d'emplois anglophones en France sur Arbeitnow
Source : Arbeitnow (https://www.arbeitnow.fr/jobs/companies/deephealth/senior-machine-learning-engineer-ml-platform-paris-406850)
Tâches et responsabilités essentielles
• Posséder l'architecture et la feuille de route du ML Monorepo :
• Limites des modules, abstractions partagées pour les ensembles de données et les échantillons, boucles de formation et d'évaluation, configuration et suivi des expériences.
• Créez et exécutez les outils d'ingénierie autour de la base de code :
• Intégration continue, tests, gestion des dépendances, conteneurs, registres d'artefacts et de modèles, et planification des tâches GPU sur l'infrastructure cloud (GCP) et HPC.
• Posséder le chemin depuis le point de contrôle formé jusqu'au modèle déployable :
• Package de modèles, serveurs d'inférence avec contrats API appliqués, reproductibilité et budgets de performances et de mémoire sur le matériel cible.
• Définir et appliquer des normes d'ingénierie (révision du code, tests, documentation) de manière à accélérer la recherche plutôt que de la ralentir.
• Assurer la traçabilité des données, du code et des versions de modèles à travers les expériences et les versions.
• Enquêter et résoudre les problèmes de performances, de fiabilité et d'utilisabilité dans la pile soulevés par l'équipe et réduire leur récurrence grâce à des outils partagés.
• Piloter la stratégie de codage agent de l'équipe : définir comment les agents de codage IA sont utilisés dans le monorepo, mettre en place les outils, les garde-fous et les conventions qui les rendent efficaces et aider les collègues à les adopter.
• Révisez le code, encadrez vos collègues sur les pratiques d'ingénierie et communiquez clairement les décisions et les compromis techniques.
VEUILLEZ NOTER : Ceci n'est pas une liste exhaustive de toutes les tâches, responsabilités et exigences du poste décrit ci-dessus. D'autres fonctions peuvent être attribuées et la direction se réserve le droit d'ajouter ou de modifier des tâches à tout moment.
Qualifications minimales, formation et expérience
• Maîtrise en informatique, en ingénierie, en mathématiques ou dans un domaine connexe, ou expérience pratique équivalente (obligatoire).
• Plus de 5 ans d'expérience en génie logiciel, y compris une partie importante dans la construction d'infrastructures ou d'outils utilisés par les équipes d'apprentissage automatique, comme une plateforme ML ou un cadre de formation (obligatoire).
• Solides compétences en Python et principes fondamentaux du génie logiciel : conception d'API, tests, refactorisation et attention à l'expérience du développeur (obligatoire).
• Solides connaissances de PyTorch et expérience pratique de la formation et du profilage de modèles (obligatoire).
• Expérience de l'exécution de charges de travail de ML sur une plate-forme cloud, idéalement GCP (Vertex AI, Artifact Registry, IAM, stockage) et de la conteneurisation (obligatoire).
• Expérience dans la mise en production de modèles : packaging de modèles, service d'inférence et contraintes de performances et de fiabilité (obligatoire).
• Capacité à travailler en étroite collaboration avec les chercheurs, à traduire les problèmes récurrents en outils partagés et à réagir de manière constructive si nécessaire (obligatoire).
• Capacité à travailler de manière autonome au sein d'une équipe distribuée et multi-sites, avec une communication verbale et écrite claire en anglais (obligatoire).
• Expérience en imagerie médicale (DICOM, volumes 3D, grandes images) (de préférence).
• Expérience HPC et Slurm (de préférence).
• Contributions aux outils ML open source (de préférence).
Normes de qualité
• Communique, coopère et fonctionne de manière constante de manière professionnelle et harmonieuse avec tous les niveaux de supervision, collègues, visiteurs et fournisseurs.
• Fait preuve d'initiative, de conscience personnelle, de professionnalisme et d'intégrité, et fait preuve de confidentialité dans tous les domaines de performance.
• Suit toutes les lois locales, régionales et nationales concernant l'emploi.
• Suit toutes les politiques et procédures de DeepHealth.
• Suit à tout moment les normes de confidentialité, de conformité, de sécurité et de confidentialité des données.
• Pratique les précautions de sécurité universelles.
• Favorise de bonnes relations publiques au téléphone et en personne.
• S'adapte et est prêt à apprendre de nouvelles tâches, méthodes et systèmes.
• Se présente au travail régulièrement comme prévu ; toujours ponctuel en ce qui concerne les heures de travail, les repas et les pauses, et maintient une assiduité personnelle satisfaisante conformément aux directives de DeepHealth.
• Remplit les responsabilités professionnelles de manière qualitative et en temps opportun.
Voyage
Ce poste peut nécessiter des déplacements occasionnels entre les sites d'équipes (Paris, Pays-Bas, Grenoble/Rennes).
Environnement de travail
Bureau / Hybride. Paris, Île-de-France, France.
Exigences physiques
L'employé doit être en mesure d'accomplir les tâches et responsabilités essentielles du poste, avec ou sans aménagements raisonnables.
Salaire :
En fonction de l'expérience
50 000-80 000 euros
Trouvez plus d'emplois anglophones en France sur Arbeitnow
Source : Arbeitnow (https://www.arbeitnow.fr/jobs/companies/deephealth/senior-machine-learning-engineer-ml-platform-paris-406850)
Cette annonce provient d'un flux partenaire. Postulez sur le site source.
Source: DeepHealth
Emplacement
Paris, France
Annonce fournie par DeepHealth.
