Vous faites partie de celles et ceux qui pensent que même avec plusieurs années d’expérience, on continue à apprendre ? Alors, nous sommes sur la même longueur d'onde ! Et si on en parlait ?

Au sein de l’Atelier Data&AI, on retrouve des communautés de pratique organisées par tribus. L’idée, c’est de se retrouver et de partager des expertises communes, de développer ses compétences en équipes à taille humaine. Vous aurez donc pour missions de faire du conseil, du delivery et de la R&D.

Être MLOps Engineer chez OCTO, c’est : 

1- Faire du conseil autant que du delivery : accompagner nos clients dans la mise en œuvre de solutions autour de la gestion et transformation de leur Data. Participer au développement agile et à l’implémentation d’applications dans le respect des bonnes pratiques. Et bien sûr, qui dit conseil, dit convictions : proposer la solution la plus adaptée, c’est aussi savoir et oser challenger nos clients (et c’est dans notre ADN !) 

2- Participer activement à la R&D “Data & IA” : au programme, veille technologique & bonnes pratiques. Quelques sujets “chauds” du moment ?  LLMOps, TOIL, déploiement,  monitoring & observabilité des modèles. 

3- Participer aux réponses aux appels d’offres et avant-ventes

4- Former & mentorer : le partage de connaissances et la montée en compétences des collaborateurs vous importent ? Nous sommes convaincus et prônons haut et fort la valeur de transmission. Mentoring et gestion de votre carrière seront donc à l’honneur. Et oui, chez OCTO le savoir n’est pas chasse gardée !

Promis pas de liste à rallonge, mais des compétences clés pour vous permettre de réussir chez nous : 

1- Un socle de savoir-faire techniques et des expériences significatives sur : 

• Les bonnes pratiques de développement (craftsmanship, industrialisation de code, tests..)
• L’industrialisation et la mise en production de modèles de ML
• La Data Science (transformation & validation de donnée, feature engineering, training)
• Le Data Engineering : Mise en place de flux de données par batch ou en streaming
• DevOps (CI/CD, conteneurisation, infra as code) en contexte data ou ML
• Un ou plusieurs cloud providers (AWS, GCP, Azure)
• Les méthodologies agiles.

…last but not least : une bonne maîtrise de l’anglais, à l’oral comme à l’écrit :)