Senior Staff MLOps & Cloud Platform Engineer - Robotics (f/m/d)

Missions
Piloter l'architecture et la direction technique de l'infrastructure cloud, MLOps et de données de niveau production, ainsi que les capacités centrales permettant aux équipes R&D de Hexagon de développer et de déployer des solutions d'apprentissage automatique pour la robotique. Faire progresser la stratégie et les normes pour l'ingestion, le stockage, la gestion et le partage des données afin de permettre la création et l'utilisation de jeux de données robotiques à haute valeur ajoutée. Concevoir et développer des pipelines de données évolutifs pour ingérer, traiter et stocker des jeux de données robotiques réels et simulés, et faciliter le partage et l'utilisation des données. Concevoir et développer des pipelines ML évolutifs et reproductibles pour entraîner, évaluer et déployer des modèles ML pour la robotique. Assumer la responsabilité des fondations cloud et hybrides sous-jacentes : planification du calcul et des GPU, stockage, mise en réseau, gestion des identités et des accès, observabilité et gouvernance des coûts. Équilibrer les compromis entre fonctionnalité, qualité et coût dans un délai donné, et rendre ces compromis explicites pour la direction de l'ingénierie. Évaluer et sélectionner des frameworks, plateformes et fournisseurs tiers en tenant compte des considérations opérationnelles et de maintenance à long terme, et participer à la négociation des conditions avec les partenaires externes. Créer des modèles de pipelines et travailler avec les équipes R&D pour faciliter l'adoption et l'utilisation du MLOps, du cloud et des outils d'infrastructure de données, rédiger une documentation claire, fournir des conseils pratiques et partager les connaissances. Établir et promouvoir les meilleures pratiques d'ingénierie et de CI/CD pour les pipelines de données et de ML, en garantissant le versionnage, la modularité, la testabilité et des versions de haute qualité. Travailler en étroite collaboration avec les équipes R&D pour comprendre leurs besoins, en traduisant ces besoins en une infrastructure et des outils de haute qualité et efficaces, et mentorat des ingénieurs pour élever le niveau de l'ingénierie de plateforme à travers les équipes. Prendre la responsabilité de la propriété intellectuelle dans votre domaine d'expertise

Exigences
MSc/PhD en informatique ou équivalent, ou profondeur équivalente acquise en pratique. Typiquement 10+ ans d'expérience pertinente, avec un profil en T : une large étendue en ingénierie et une profondeur reconnue dans l'infrastructure cloud et le MLOps. Compréhension approfondie des concepts et outils de MLOps et d'infrastructure de données, y compris le cycle de vie des données et du ML, en tenant compte des exigences fonctionnelles et non fonctionnelles. Expérience avérée dans l'architecture, la mise en œuvre et l'exploitation d'infrastructures cloud, MLOps et de données de niveau production, avec des capacités de stockage et de traitement de données, d'expérimentation ML, de pipelines de données et ML, de suivi, d'enregistrement et de déploiement de modèles ML. Solides fondamentaux en architecture cloud indépendamment de tout fournisseur unique : gestion des identités et des accès, mise en réseau, primitives de stockage et de calcul, services de données et de ML gérés, et les implications de coût de chacun. Une expertise dans les services de données et de ML Azure (Azure Data Lake, Azure ML) est un plus ; une expertise équivalente dans AWS ou GCP est tout aussi bienvenue. Expérience pratique avec les environnements cloud, hybrides et sur site, y compris le transfert de grands ensembles de données et de modèles entre eux. Expérience solide dans la mise en œuvre de pipelines de données et ML modulaires, testables et évolutifs. Solides compétences en génie logiciel en Python, capacité à écrire un code propre, testable et maintenable prêt pour la production, expérience avec CI/CD, IaC (Terraform), la conteneurisation (Docker) et l'orchestration de conteneurs (Kubernetes) à l'échelle de la production. Maîtrise opérationnelle des frameworks ML, par exemple PyTorch, TensorFlow ou JAX, et des outils, par exemple MLflow - suffisamment pour être un partenaire crédible pour les équipes qui construisent les modèles. L'expérience des modèles ML pour la robotique et du déploiement de modèles basés sur le ML sur du matériel robotique est un plus. La connaissance des frameworks et outils de robotique (particulièrement ROS 2, Omniverse) et la capacité à travailler étroitement avec les équipes de robotique est un plus. Esprit agile marqué, capacité à opérer en toute autonomie, fortes compétences en communication, capacité à travailler de manière orientée client avec des parties prenantes techniques et non techniques, capacité à rendre les équipes opérationnelles. Maîtrise de l'anglais requise, des connaissances de base en allemand sont un avantage

Langues
Maîtrise de l'anglais requise, des connaissances de base en allemand sont un avantage