Architecte de solutions, applications d’apprentissage automatique//Solution Architect, Machine Learning Applications
Plusgrade Voir toutes les offres
- Montréal, QC
- Permanent
- Temps-plein
- Diriger la conception architecturale de bout en bout pour les applications de machine learning, en garantissant des solutions hautement disponibles, à faible latence, évolutives, robustes et réutilisables.
- Collaborer étroitement avec l'équipe Data Science pour s'assurer que les modèles sont prêts pour la production et alignés avec les exigences applicatives.
- Travailler avec l'Architecte Data Engineering pour synchroniser les pipelines de données, les solutions de stockage et la livraison des features.
- Collaborer avec la communauté plus large des architectes de l'organisation afin d'atteindre un consensus et assurer la cohérence des standards technologiques.
- Concevoir des solutions « full-stack » couvrant à la fois la logique ML back-end complexe et des couches front-end intuitives.
- Contribuer activement au code en développant des composants clés en Python ainsi que la logique d'intégration.
- Gérer la livraison technique en respectant la roadmap de l'équipe et en s'assurant que toutes les solutions sont réalisables dans les délais prévus.
- 7+ années d'expérience en ingénierie logicielle ou en architecture de systèmes, avec un fort accent sur les systèmes de machine learning.
- Une maîtrise experte de Python et de son écosystème pour le développement d'applications.
- Une expérience démontrée dans la conception et l'implémentation d'architectures full-stack (API back-end et frameworks front-end).
- De solides connaissances des systèmes distribués et des infrastructures scalables (ex. : Docker, Kubernetes, AWS).
- Une expérience dans la gestion du cycle de vie d'applications de machine learning en production.
- Un.e excellent.e et , capable d'aligner les stratégies techniques entre data scientists, ingé .s et parties prenantes.
- Autonome, motivé.e, avec un esprit orienté résolution de problèmes.
- Connaissance des principes de Data Science et des workflows expérimentaux.
- Expérience avec des frameworks MLOps, idéalement SageMaker.
- Familiarité avec les bases de données vectorielles et l'orchestration de modèles de langage (LLM).
- Certification AWS Solution Architect.
- Expérience en optimisation UI/UX pour des applications riches en données.
- Langages : Python, SQL, Spark, PySpark
- Outils : Snowflake, SnowPark, Splunk
- Services AWS : EKS, SageMaker, Bedrock, DynamoDB, Kinesis, RedShift, Lambda et autres
- Conteneurisation : Kubernetes, Docker
- Gestion de versions : GitLab
- Data & Analytics : Dataiku, Tableau
- Entrevue téléphonique avec le recruteur
- Entrevue avec le responsable de l'embauche
- Entrevue en équipe
- Lead the end-to-end architectural design for machine learning applications, ensuring all solutions are highly-available, low latency, scalable, robust, and reusable.
- Partner closely with the Data Science team to ensure models are production-ready and aligned with application requirements.
- Collaborate with the Data Engineering Architect to synchronize data pipelines, storage solutions, and feature delivery.
- Work with the broader community of organization architects to reach consensus and ensure consistency across technology standards.
- Design "Full-Stack" solutions that encompass both complex back-end ML logic and intuitive front-end delivery layers.
- Actively contribute to the codebase by developing core Python application components and integration logic.
- Manage technical delivery by adhering to the team roadmap and ensuring all solutions are feasible to deliver by designated due dates.
- 7+ years of experience in software engineering or systems architecture, with a significant focus on Machine Learning systems.
- Expert-level proficiency in Python and its associated ecosystem for application development.
- Proven experience designing and implementing full-stack architectures (Back-end APIs and Front-end frameworks).
- Strong knowledge of distributed systems and scalable infrastructure (e.g., Docker, Kubernetes, AWS).Experience managing the lifecycle of production-grade machine learning applications.
- Effective communicator and collaborator, capable of aligning technical strategies between data scientists, engineers, and stakeholders.
- Self-disciplined, motivated, and a problem-solver mindset.
- Knowledge of Data Science principles and experimental workflows.
- Experience with ML Ops frameworks, preferably SageMaker.
- Familiarity with Vector Databases and Large Language Model (LLM) orchestration.
- AWS Solution Architect certification.
- Experience with UI/UX optimization for data-heavy applications.
- Languages: Python, SQL, Spark, PySpark
- Tools: Snowflake, SnowPark, Splunk
- AWS Services: EKS, SageMaker, Bedrock, DynamoDB, Kinesis, RedShift, Lambda and others
- Containerization: Kubernetes, Docker
- Version Control: GitLab
- Data & Analytics: Dataiku, Tableau