DevOps Senior - Orientation MLOps H/F

Poste et missions : Nous recherchons un DevOps expérimenté pour rejoindre notre équipe et contribuer à l'industrialisation des pipelines de données et de modèles d'IA. Responsabilités : - Automatiser et fiabiliser les pipelines de build, test et déploiement pour des microservices et des modules data. - Participer à la sécurisation, l'observabilité et la scalabilité des environnements cloud. - Mettre en place ou améliorer l'infrastructure d'accueil pour les modèles ML en production. - Travailler en lien étroit avec les équipes data (data scientists, data engineers) pour garantir l'intégration fluide des modèles dans les chaînes CI/CD. - Contribuer à la mise en place de pratiques MLOps (reproductibilité, déploiement versionné, monitoring modèle). - Être force de proposition sur les outils, standards et automatisations à mettre en place dans un contexte d'industrialisation progressive. Environnement : - Cloud : AWS / GCP / Azure - Containerisation & Orchestration : Docker, Kubernetes, Helm - CI/CD : GitLab CI, Jenkins, ArgoCD, MLflow - Infrastructure as Code : Terraform, Ansible - Scripting / Dev : Python, Bash - Monitoring : Prometheus, Grafana, ELK, Sentry - Data & ML Tools : MLflow, DVC, Airflow, Seldon, Kubeflow

Soors est une entreprise de services spécialisée dans les solutions IT innovantes. Nous accompagnons nos clients dans leur transformation digitale en proposant des services adaptés à leurs besoins. Notre mission est de fournir des solutions de qualité pour optimiser les processus métiers et améliorer la performance des entreprises.

Nous recherchons un DevOps expérimenté avec au moins 5 ans d'expérience sur des environnements DevOps modernes. Expérience : - Solide maîtrise de Python et de l'automatisation de workflows. - Bonne connaissance de Kubernetes, CI/CD, IAC et outils de monitoring. - Curiosité pour les problématiques data/ML et volonté de monter en compétence sur les outils du monde MLOps. - Goût du travail en équipe, communication fluide avec des profils techniques variés. - Une première exposition à un projet Data / ML est un plus mais non indispensable.