Machine Learning Engineer
Rôle
Le Machine Learning Engineer conçoit et met en production des systèmes utilisant des modèles d’apprentissage automatique. Il relie le travail sur les modèles à l’ingénierie logicielle et aux contraintes d’exploitation. Il s’intéresse autant à l’évaluation des performances qu’au comportement du système une fois utilisé.
Missions
- Développer les composants nécessaires à l’entraînement, à l’inférence et à l’intégration des modèles.
- Tester les performances, les coûts et la robustesse dans des conditions réalistes.
- Organiser la supervision et les évolutions des systèmes avec les équipes Data et plateforme.
Compétences
Programmation, apprentissage automatique, données et conception de services. La maîtrise d’un framework doit s’accompagner d’une compréhension de l’évaluation, du déploiement et des erreurs possibles entre expérimentation et production.
Rattachement hiérarchique
Évolutions
Les évolutions incluent Senior ou Staff ML Engineer, ML Platform Lead ou une responsabilité technique d’équipe IA.
Salaire
La profondeur ML, la criticité du service et l’expertise d’industrialisation influencent le package.
Oeil de l'expert
Faites présenter un système réellement exploité. Vérifiez le rôle du candidat dans l’évaluation, le passage à l’échelle, les incidents et les arbitrages entre précision, latence et coût.
Quelle différence avec un Data Scientist ?
Le Data Scientist travaille davantage la formulation et l’analyse du problème statistique. Le ML Engineer met souvent l’accent sur la construction et l’exploitation du système. Les deux peuvent partager une partie du travail sur les modèles.
Vous recrutez ce profil ? Skillink accompagne la définition du besoin, l’approche et l’évaluation des candidats.
Découvrir notre accompagnement · Parlons de votre recrutement