Observé chez
ML Platform Engineer
Finance
Informatique
Paris
PythonC++AWSDockerLinuxCI/CD
Rôle
Ingénieur plateforme ML — productivité chercheurs et déploiement modèles à l'échelle
Technologies
PythonC++AWSDockerLinuxCI/CD
Entités
ML Platform Team
Contextes
Gestion d'actifs quantitativeFinance alternative
Compétences
Ingénierie logicielle PythonProduction software engineeringContainers et Linux/UNIXAWS deployment et operationsC++ debugging et patchingTime series à grande échelleMLOps et production readinessCI/CD et lifecycle managementMonitoring et incident workflowsCommunication technique multi-audiencesPlatform mindset et user-focused approachInfluence sans autoritéAgile itératif
Challenges détectés
5 enjeux- Optimisation
Améliorer la productivité des chercheurs en ML
- Optimisation
Assurer la robustesse des modèles ML en production à l'échelle
- Optimisation
Réduire les points de friction dans le workflow ML
- Conformité
Établir et promouvoir les standards ML
- Optimisation
Accélérer le passage de l'expérimentation à la production



