RED TIC recrute un Data Scientist / MLOps Engineer pour concevoir, déployer et industrialiser des modèles de Machine Learning à forte valeur ajoutée. Vous interviendrez à l’interface entre data science, ingénierie et exploitation afin de garantir des solutions performantes, fiables et opérationnelles en production.

Missions principales

• Concevoir et entraîner des modèles de Machine Learning et d’IA adaptés aux enjeux métiers.

• Mettre en place des pipelines d’entraînement, de validation et de déploiement des modèles.

• Industrialiser les modèles via des pratiques MLOps (CI/CD, monitoring, versioning).

• Assurer la supervision, la performance et la robustesse des modèles en production.

• Collaborer avec les Data Engineers pour la préparation et la gestion des données.

• Optimiser les performances, les coûts et la scalabilité des solutions ML.

• Documenter les modèles, pipelines et processus MLOps.

• Assurer une veille technologique continue sur les outils et frameworks ML et MLOps.

Profil recherché

• Formation supérieure en data science, informatique, mathématiques appliquées ou équivalent.

• Expérience confirmée en data science et en industrialisation de modèles ML.

• Maîtrise de Python et des bibliothèques ML (Scikit-learn, TensorFlow, PyTorch).

• Expérience des outils MLOps (MLflow, Kubeflow, Airflow, Docker, Kubernetes).

• Bonne connaissance des environnements cloud et des architectures data.

• Solides compétences en modélisation, statistiques et optimisation.

• Autonomie, rigueur et fort esprit d’analyse.

recruitment consulting management training sourcing job jobs offer internship morocco africa java développement developpement développeur developpeur informatique application it jee android consultant devops fullstack. D’abord. Tout d’abord. En premier lieu. Ensuite, de plus. Finalement. En outre. Par ailleurs. En dernier lieu. enfin. D’abord, En premier lieu, Pour commencer, Premièrement, En conclusions ur conclure, Enfn, Finalement, En dernier lieu, bien que. il y a aussi il est vrai que… mais. tout en reconnaissant que… on peut supposer que. Par exemple . En fait . Prenons le cas de. Considérons, par exemple. L’exemple plus . Cependant. Mais. Pourtant. Toutefois. Néanmoins. Contraste. Alors que. Tandis que. Par contre. En revanche Scientist / MLOps