Machine Learning Engineer (h/f)

Le Groupe Atos est un leader international de la transformation digitale avec 70 000 collaborateurs et un chiffre d’affaires annuel de près de 10 milliards d’euros. Présent dans 67 pays, il exerce ses activités sous deux marques : Atos pour les services et Eviden pour les produits. Numéro un européen de la cybersécurité, du cloud et des supercalculateurs, le Groupe Atos s’engage pour un avenir sécurisé et décarboné. Il propose des solutions sur mesure et intégrées, enrichies par l’IA, pour tous les secteurs d’activité. Atos est une SE (Société Européenne) cotée sur Euronext Paris.

Vos missions

• Déployer et exploiter des applications de Machine Learning en production dans des environnements cloud Google Cloud Platform

• Concevoir, collecter et orchestrer des pipelines de données fiables et performants

• Mettre en place et maintenir les outils CI/CD pour automatiser les déploiements

• Développer et améliorer les solutions de monitoring applicatif et des modèles

• Contribuer à l’intégration des solutions ML et IA au sein de produits digitaux à fort impact

• Participer à l’amélioration continue des pratiques MLOps, IA générative et LLMOps
  
  

Votre profil

De formation universitaire ou école d’ingénieurs, vous justifiez d’au minimum 4 ans d’expérience réussie sur un poste similaire, idéalement dans des environnements data complexes ou projets à forte valeur ajoutée.

Vous appréciez le travail en équipe, les environnements collaboratifs et le contact client.

Doté(e) d’un bon relationnel, vous savez expliquer vos choix techniques et travailler en proximité avec des interlocuteurs métiers.

Votre niveau d’anglais est opérationnel, à l’écrit comme à l’oral.

Compétences techniques

• Solide expérience en Machine Learning et statistiques appliquées

• Maîtrise de Python et des principales librairies ML / DL (scikit-learn, TensorFlow, PyTorch…)

• Bonne connaissance des pipelines data préparation, feature engineering, entraînement, évaluation

• Sensibilité aux enjeux d’industrialisation des modèles (MLOps, déploiement, monitoring)

• À l’aise avec les environnements cloud et conteneurisés (Docker, CI/CD, etc.)