MLOps Engineer: Perception & Foundation Models

MLOps Engineer: Perception & Foundation Models

Zendar recherche un Ingénieur MLOps pour rejoindre notre bureau de Paris. Nous déployons actuellement l'un des systèmes de perception radar 360° les plus avancés au monde et étendons nos capacités par la fusion précoce de caméras et de radars. Alors que nous développons nos efforts de formation de modèles fondamentaux, nous avons besoin d'un ingénieur MLOps expérimenté pour construire et gérer l'infrastructure qui rend tout cela possible.

C'est une opportunité unique de façonner la plateforme ML d'une équipe non alourdie par des outils hérités. Vous définirez, gérerez et construirez le backbone opérationnel qui permettra à nos ingénieurs de recherche de former, d'itérer et de déployer des modèles de perception à grande échelle.

À propos de Zendar

Zendar construit la perception pour l'IA physique, donnant aux ingénieurs une base solide pour créer des applications robotiques de classe mondiale. Chez Zendar, vous travaillerez sur des modèles de perception fondamentaux qui permettent aux robots de comprendre et d'interagir avec leur environnement dans un large éventail d'industries.

Zendar a été pionnier de la perception RF qui offre une compréhension sémantiquement segmentée de l'environnement, semblable à une vision, fonctionnant sur des systèmes embarqués automobiles utilisant uniquement des données radar. Cette perception RF forme l'épine dorsale des modèles fondamentaux de nouvelle génération de Zendar, qui sont construits autour de la fusion précoce de données RF et de vision.

Cette architecture inverse la pile de perception traditionnelle. Au lieu de traiter les signaux RF comme secondaires, les modèles de Zendar combinent la haute résolution angulaire de la vision avec la forte compréhension temporelle et spatiale de la RF aux premiers stades de la perception. Le résultat est un système qui voit plus loin, reste robuste à l'occlusion et aux intempéries, et fonctionne beaucoup plus efficacement que les approches basées uniquement sur la vision ou le lidar.

Voir une démo de la perception RF fondamentale de Zendar

Chez Zendar, vous travaillerez à la pointe de la mobilité autonome et de la robotique, en faisant progresser les modèles fondamentaux qui alimenteront la prochaine génération de systèmes d'IA physique. Vous travaillerez avec des ensembles de données réels et multimodaux à grande échelle, composés de données radar, caméra et lidar synchronisées et calibrées, collectées sur plusieurs continents.

Notre équipe rassemble une expertise approfondie en matériel, traitement du signal, apprentissage automatique et ingénierie logicielle, avec des décennies d'expérience en détection et en perception. Nous sommes une équipe mondiale avec des bureaux à Berkeley, Lindau (Allemagne) et Paris (France). Zendar est bien financée par des sociétés de capital-risque de premier plan et a établi de solides partenariats industriels.

Bien que l'IA soit au cœur de ce que nous construisons, notre processus d'embauche est intentionnellement humain : chaque CV est examiné par une personne réelle.

Votre rôle

En tant qu'Ingénieur MLOps au sein de notre équipe MLOps & Data Engineering, votre objectif est de construire et d'opérer l'infrastructure qui alimente la formation et la validation de nos modèles fondamentaux multimodaux. Vous travaillerez en étroite collaboration avec l'équipe Perception & ML, agissant comme la couche plateforme qui élimine les frictions de la boucle recherche-production afin que les ingénieurs de recherche puissent progresser plus rapidement et avec plus de confiance.

Pourquoi ce rôle est passionnant :

• Propriété : En travaillant en étroite collaboration avec le responsable MLOps, vous contribuerez à définir et à façonner la stratégie MLOps à partir de zéro.
• Échelle : Vous gérerez une infrastructure traitant des ensembles de données réels couvrant des dizaines de milliers de kilomètres sur plusieurs continents.
• Impact : Votre travail accélère directement la livraison de modèles de perception validés sur des véhicules/appareils réels.

Ce que vous ferez :

• Maintenir et améliorer l'infrastructure de formation : Contribuer et maintenir des pipelines de formation évolutifs sur des clusters GPU, en optimisant les images de conteneurs (Docker/NVIDIA) pour les charges de travail de formation - en minimisant les temps de construction, la taille des images et la latence de démarrage à froid. Agir comme référence principale de l'équipe pour les meilleures pratiques de codage ML, en guidant les ingénieurs de recherche vers du code de formation ML maintenable et de qualité production.
• Piloter le suivi des expériences : Construire et standardiser l'utilisation par l'équipe de Weights & Biases (WandB) pour le suivi des expériences, les balayages d'hyperparamètres et le registre de modèles. Assurer la reproductibilité et la traçabilité complètes de chaque exécution de formation.
• Gérer le versionnage et la lignée des ensembles de données : Mettre en œuvre des flux de travail robustes de versionnage et de suivi des ensembles de données à l'aide des artefacts WandB ou d'outils équivalents. Maintenir une lignée complète, des données brutes du capteur aux divisions prêtes pour la formation sur notre ensemble de données multi-continental.
• Accélérer la boucle d'itération : Réduire le temps de premier résultat pour les nouvelles expériences en rationalisant la planification des tâches, les pipelines de chargement de données et la gestion de l'environnement.
• Assurer la fiabilité à grande échelle : Surveiller les tâches de formation, détecter proactivement les échecs et construire des mécanismes d'alerte et de récupération afin que les grandes exécutions de formation se terminent sans interruptions coûteuses.
• Collaborer aux pipelines de déploiement : S'associer aux équipes embarquées et plateforme pour empaqueter et exporter les modèles entraînés (ONNX, TensorRT), en assurant une transition fluide de la formation à l'inférence embarquée.
• Documenter, standardiser et améliorer les compétences : Établir et documenter les meilleures pratiques pour la gestion des expériences, et soutenir activement l'équipe Perception & ML dans leur adoption - par des revues de code, des sessions de travail en binôme et des conseils pratiques - afin que toute l'équipe suive des flux de travail cohérents et audibles.

Ce que nous recherchons

• Expérience : 5 ans en MLOps, infrastructure ML ou un rôle très similaire, avec une propriété démontrée de plateformes ML de qualité production. Doit avoir une expérience pratique de la formation de modèles ML de bout en bout, de la préparation des données à l'évaluation et au déploiement.
• Maîtrise de l'ingénierie : Maîtrise de Python ; à l'aise pour lire et déboguer du code de formation PyTorch. Familiarité avec les pipelines CI/CD (GitHub Actions, GitLab CI ou similaire).
• Expertise en conteneurisation : Expérience approfondie de Docker et de l'optimisation des conteneurs pour les charges de travail GPU ; familiarité avec la boîte à outils de conteneurs NVIDIA et les stratégies de construction multi-étapes.
• Orchestration et planification : Expérience des outils d'orchestration de formation distribuée (Kubernetes, Slurm, Ray ou équivalent) dans un environnement de cluster GPU.
• Maîtrise des pipelines de données : Expérience dans la construction et la maintenance de pipelines de données à grande échelle (par exemple, avec DVC, Delta Lake ou des outils personnalisés).
• Esprit de fiabilité : Fortes intuitions pour l'observabilité, la surveillance et la récupération après échec dans les tâches distribuées de longue durée.

Points bonus :

• Conduite autonome / Robotique : Exposition préalable aux données des capteurs (caméra, radar, Lidar) et aux défis de stockage et de prétraitement qui en découlent.
• Optimisation des performances : Expérience dans le profilage et l'optimisation des goulots d'étranglement du chargement des données et de la formation en précision mixte.
• Exportation et service de modèles : Familiarité avec ONNX, TensorRT et les contraintes de l'inférence embarquée en temps réel.
• Suivi des expériences et des données : Expertise pratique avec Weights & Biases, y compris le suivi des expériences, les balayages WandB, les artefacts et le registre de modèles.
• Multi-cloud / HPC : Expérience dans la gestion de l'infrastructure de formation sur des fournisseurs de cloud (AWS, GCP, Azure) ou des environnements HPC.
• Formation de modèles fondamentaux : Compréhension des lois d'échelle, de la gestion des points de contrôle et des défis opérationnels de la formation de grands modèles à partir de zéro.

Ce que nous offrons

• Opportunité d'avoir un impact dans une jeune entreprise soutenue par du capital-risque sur un marché émergent
• Salaire compétitif allant de 75 000 € à 95 000 € par an selon l'expérience et les actions
• Modèle de travail hybride : au bureau 3 jours par semaine (lundi, mardi, jeudi), le reste... travaillez d'où vous voulez !
• Espace de travail moderne : Bureau moderne entièrement équipé au cœur de Paris
• Transport/Trajet : Avantages pour les navetteurs (par exemple, remboursement partiel des transports en commun ou programmes de cyclisme, le cas échéant)
• Chèques déjeuner subventionnés (tickets restaurant)
• Pass Bien-être (ex Gymlib)

Zendar s'engage à créer un environnement diversifié où des personnes talentueuses peuvent faire leur meilleur travail. Nous sommes fiers d'être un employeur garantissant l'égalité des chances. Tous les candidats qualifiés recevront une considération pour l'emploi sans distinction de race, de couleur, de religion, de sexe, d'identité ou d'expression de genre, d'orientation sexuelle, d'origine nationale, de génétique, de handicap, d'âge ou de statut d'ancien combattant.