Machine Learning Engineer - PRISM - Supply Chain (f/m/d)
- Location
- Paris, Paris, France
- Posted
- 6d ago
pythongrpckafkaawsazurekubernetesdockerdatabrickssparkairflowtensorflowpytorch
<h3>Notre Equipe PRISM Supply Chain recherche un·e Machine Learning Engineer basé·e à Paris. </h3> <h2>À propos de Decathlon</h2> <p>Decathlon aspire à devenir la meilleure plateforme numérique sportive et l'écosystème ouvert du monde. Nous voulons permettre aux clients de vivre l'expérience Decathlon à travers de nombreuses expériences locales centrées sur le sport en connectant de nombreux acteurs et services tiers, de manière sécurisée et performante.</p> <p>Nos équipes numériques à Lille, Paris, Amsterdam (et plus encore…) regroupant plus de 5000 collaborateurs, sont unies pour concevoir et développer des produits numériques avec l'objectif de toujours offrir la meilleure valeur à nos utilisateurs. Présent dans plus de 70 pays, Decathlon s'engage pour l'innovation, la durabilité et la satisfaction client.</p> <h3>Description du poste</h3> <p>Decathlon recherche un(e) Senior Machine Learning Engineer (MLE) pour rejoindre notre département Demand and Assortment Planning au sein de la division de la Supply Chain. En tant que Senior MLE chez Decathlon, vous jouerez un rôle essentiel dans l'industrialisation, le déploiement et la surveillance des modèles d'IA. Vous collaborerez étroitement avec les Data Scientists, les Data Engineers et les Digital Product Managers pour concevoir et mettre en œuvre des solutions d'IA de pointe optimisant nos opérations de chaîne d'approvisionnement.</p> <h3>Responsabilités</h3> <ul> <li>Développer et mettre en œuvre des modèles d'IA pour la planification de la demande et de l'assortiment dans le domaine de la chaîne d'approvisionnement.</li> <li>Collaborer avec les Data Scientists et les Digital Product Managers pour traduire les besoins métier en solutions d'apprentissage automatique évolutives.</li> <li>Collaborer avec les équipes d'ingénierie des données pour optimiser les pipelines de données et garantir la disponibilité en temps opportun de données propres et pertinentes pour l'entraînement et l'inférence des modèles.</li> <li>Mettre en œuvre des stratégies pour le réentraînement et la mise à jour des modèles afin de s'adapter aux dynamiques du marché et aux exigences commerciales changeantes.</li> <li>Industrialiser les modèles d'apprentissage automatique et les déployer dans des environnements de production.</li> <li>Surveiller les performances des modèles et mettre en œuvre des améliorations pour garantir précision et fiabilité.</li> <li>Travailler en étroite collaboration avec des équipes interfonctionnelles pour intégrer les capacités d'apprentissage automatique dans les systèmes et processus existants.</li> <li>Documenter les meilleures pratiques, les procédures opérationnelles standard (SOP) et les spécifications techniques pour les modèles d'apprentissage automatique et les processus de déploiement.</li> <li>Fournir mentorat et orientation aux membres juniors de l'équipe, favorisant une culture d'apprentissage continu et de partage des connaissances.</li> <li>Se tenir à jour des tendances émergentes et des meilleures pratiques en apprentissage automatique et en optimisation de la chaîne d'approvisionnement.</li> </ul> <h3>Savoir-faire</h3> <ul> <li>Maîtrise des techniques d'apprentissage automatique, notamment la prévision de séries temporelles.</li> <li>Compétences solides en programmation Python.</li> <li>Expérience avec des bibliothèques/cadres d'apprentissage automatique tels que TensorFlow, PyTorch ou scikit-learn, TFT.</li> <li>Familiarité avec les concepts et outils d'ingénierie des données pour le prétraitement des données, la création de caractéristiques et l'évaluation des modèles.</li> <li>Familiarité avec l'industrialisation et le déploiement de modèles d'apprentissage automatique dans des environnements de production (MLOps, conteneurisation, orchestration, CI/CD, infrastructure en tant que code, surveillance et journalisation, optimisation de l'évolutivité et des performances, interfacement, parallélisation, calcul GPU, backtesting automatique…).</li> <li>Connaissance des processus et dynamiques de la chaîne d'approvisionnement est un plus.</li> </ul> <h3>Savoir-être</h3> <ul> <li>Excellentes compétences en communication et en collaboration.</li> <li>Capacité à travailler efficacement dans un environnement dynamique et rapide.</li> <li>Solides compétences en résolution de problèmes et souci du détail.</li> <li>Adaptabilité et volonté d'apprendre de nouvelles technologies et méthodologies.</li> <li>Capacité à traduire des concepts techniques complexes en termes compréhensibles pour les parties prenantes non techniques.</li> <li>Capacité à comprendre les enjeux utilisateurs et les besoins associés</li> </ul> <h3>Qualifications</h3> <ul> <li>Master ou PhD en IA, machine learning, data science, informatique, ingénierie, mathématiques ou autre domaine connexe.</li> <li>5 ans d'expérience en ML ou dans un rôle similaire.</li> <li>Expérience démontrée dans le développement et le déploiement de modèles de machine learning.</li> <li>Expérience dans le domaine de la chaîne d'approvisionnement, en particulier dans la planification de la demande et de l'assortiment.</li> <li>Familier avec les plateformes cloud telles que AWS, Azure ou Google Cloud Platform.</li> <li>Expérience avec des technologies de conteneurisation telles que Docker et Kubernetes.</li> <li>Connaissance des technologies Big Data telles que Spark et Kafka.</li> <li>Expérience préalable avec les méthodologies Agile et les pratiques DevOps.</li> </ul> <h3>Environnement technique</h3> <ul> <li>Execution Engine: Databricks, AWS EKS, Sagemaker</li> <li>Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark </li> <li>CICD: Github Actions</li> <li>Serving: Docker, Protobuf, gRPC</li> <li>Model registry, Model Tracking: MLFlow</li> <li>Orchestration: Airflow</li> <li>Documentation / code: Git, Confluence </li> <li>Data Visualisation: Tableau</li> </ul> <h3>Avantages</h3> <ul> <li>Flexibilité dans l'organisation du travail (localisation, rythme)</l