DecisionPoint | Cortek

28 oct. 2026

Ingénieur IA/ML & MLOps (Expert)

À distanceÉtats-Unis

Chicago, Illinois, United States

AWSKubernetes

Traduction automatique. Consultez l’original.

Présentation

DecisionPoint recherche un ingénieur IA/ML & MLOps pour diriger l'architecture, le déploiement, la surveillance, l'automatisation et la gouvernance des capacités de machine learning en production, en soutien au programme ENLIST de l'USMEPCOM.

Ce poste de niveau expert sera chargé de maintenir les jeux de données d'entraînement, de validation et de test ; de concevoir et d'exploiter des architectures ML en production ; d'automatiser le déploiement des modèles ; de surveiller les performances et la dérive des modèles ; et de contrôler les mises à jour des modèles, des jeux de données, des pipelines et des configurations associées. L'ingénieur établira des processus reproductibles, traçables et sécurisés pour faire passer les capacités de machine learning du développement à la validation, puis à la production.

L'ingénieur IA/ML & MLOps travaillera en étroite collaboration avec les responsables de mission, les data scientists, les data engineers, les architectes cloud, les développeurs de logiciels, le personnel de cybersécurité, les testeurs et les équipes opérationnelles. Le candidat retenu devra combiner des connaissances avancées en ingénierie machine learning avec une expertise en automatisation de production, en architecture cloud sécurisée, en gouvernance des données et en surveillance opérationnelle.

Ce poste est en télétravail, avec une préférence pour les candidats basés dans la région de Chicago.

Compétences

Remarque : En postulant à ce poste, vous reconnaissez et consentez à ce que votre CV soit inclus dans une offre de contrat gouvernemental compétitive en cours.

Architecture machine learning de production.

Ingénierie MLOps et automatisation du cycle de vie.

Déploiement et mise à disposition de modèles.

Gestion des jeux de données d'entraînement, de validation et de test.

Évaluation des modèles et mesure des performances.

Surveillance de la dérive des modèles et des données.

Gouvernance des modèles, des données et des configurations.

Pipelines de tests et de déploiement automatisés.

Plateformes ML cloud et pipelines de données sécurisés.

Contrôle de version, traçabilité et documentation d'audit.

Surveillance de la production et dépannage des incidents.

Cybersécurité et mise en œuvre des contrôles d'accès.

Leadership technique et communication sur l'architecture.

Collaboration transversale avec les équipes de mission, de données, de logiciels, de cloud, de sécurité, de test et d'opérations.

Notre politique d'égalité des chances en matière d'emploi

Politique d'EEO et d'action positive : DecisionPoint Corporation est un employeur pratiquant l'égalité des chances en matière d'emploi et l'action positive. La politique de DecisionPoint Corporation est de fournir l'égalité des chances en matière d'emploi conformément à toutes les lois, directives et réglementations applicables en matière d'égalité des chances/action positive à tous les employés et candidats qualifiés, sans distinction de race, d'ethnie, de couleur, de religion, d'origine nationale, de sexe, d'âge, de statut de handicap, de grossesse, d'orientation sexuelle, d'identité de genre, d'informations génétiques, de statut de vétéran protégé ou de tout autre statut protégé par les lois fédérales, étatiques ou locales.

Politique de transparence salariale : Conformément au décret présidentiel 13665, DecisionPoint Corporation ne licenciera pas et ne fera pas preuve de discrimination d'une autre manière à l'encontre des employés ou des candidats parce qu'ils se sont renseignés sur, ont discuté ou ont divulgué leur propre salaire ou le salaire d'un autre employé ou candidat. Cependant, les employés qui ont accès aux informations de rémunération d'autres employés ou candidats dans le cadre de leurs fonctions essentielles ne peuvent pas divulguer le salaire d'autres employés ou candidats à des personnes qui n'ont pas autrement accès aux informations de rémunération, sauf si la divulgation est (a) en réponse à une plainte ou une accusation formelle, (b) dans le cadre d'une enquête, d'une procédure, d'une audience ou d'une action, y compris une enquête menée par l'employeur, ou (c) conforme au devoir légal de l'entrepreneur de fournir des informations.

Autorisation de partager le CV et les informations personnelles : En exprimant votre intérêt et en soumettant votre CV pour ce poste, vous autorisez DecisionPoint Corporation à partager votre CV, ainsi que les informations personnelles incluses dans le CV, avec ses filiales, sociétés affiliées et partenaires d'équipe dans le but de vous considérer pour ce poste et d'autres postes disponibles nécessitant des compétences, une éducation et une expérience comparables. Si DecisionPoint Corporation ou ses sociétés affiliées et partenaires d'équipe souhaitent entamer des discussions préalables à l'embauche, il vous sera demandé de remplir une demande d'emploi et les documents d'embauche connexes.

Missions et responsabilités

L'ingénieur IA/ML & MLOps devra :

Diriger la conception et la mise en œuvre d'architectures machine learning de production sécurisées, évolutives et maintenables.

Développer, maintenir et gouverner les jeux de données d'entraînement, de validation et de test utilisés pour le développement et l'évaluation des modèles.

Établir des processus reproductibles pour l'ingestion, la préparation, la transformation, l'étiquetage, la validation, le versionnage et l'approbation des jeux de données.

Veiller à ce que les jeux de données soient maintenus ou transformés dans des formats prêts pour l'analyse et l'utilisation par les modèles.

Mettre en œuvre des contrôles pour la qualité, l'exhaustivité, l'intégrité, la provenance, la traçabilité, la sécurité et l'utilisation autorisée des jeux de données.

Concevoir et automatiser des pipelines ML de bout en bout couvrant la préparation des données, l'entraînement, l'évaluation, le packaging, le déploiement, la surveillance, le réentraînement et la mise hors service.

Déployer des modèles de machine learning dans des environnements cloud, applicatifs, analytiques et opérationnels approuvés.

Établir des procédures automatisées de construction, de test, de validation, de promotion, de déploiement, de restauration et de récupération des modèles.

Mettre en œuvre des registres de modèles et des dépôts contrôlés pour les artefacts de modèles, les versions de jeux de données, le code, les configurations, les dépendances, les résultats d'évaluation et les approbations.

Développer des tests automatisés pour les pipelines de modèles, les transformations de données, les interfaces, les packages de déploiement et le comportement en production.

Définir des cadres d'évaluation des modèles, des seuils de performance, des critères de validation et des exigences de préparation au déploiement.

Évaluer la précision, la fiabilité, la robustesse, la performance, l'évolutivité et la sécurité des modèles, ainsi que leur alignement avec les exigences de mission documentées.

Mettre en œuvre une surveillance de production pour la performance des modèles, la dérive des données, la dérive de concept, la qualité de l'inférence, la latence, la disponibilité, les erreurs et l'utilisation des ressources.

Établir des seuils, des alertes, des chemins d'escalade et des procédures de réponse en cas de dégradation des modèles, de dérive, de problèmes de qualité des données et de défaillances opérationnelles.

Enquêter sur les anomalies des modèles et des pipelines et coordonner les actions correctives avec les équipes chargées des données, des applications, de l'infrastructure, de la sécurité et de la mission.

Contrôler les mises à jour des modèles de production, des jeux de données, des fonctionnalités, des pipelines, des configurations et des dépendances via des processus documentés de revue et d'approbation.

Maintenir la traçabilité entre les jeux de données sources, les transformations de données, les versions de modèles, les résultats d'évaluation, les enregistrements de déploiement et les résultats en production.

Développer des procédures de restauration et de récupération pour les modèles, les jeux de données, les pipelines et les services de support.

Soutenir les pipelines de données sécurisés utilisés pour le développement de l'IA, l'évaluation des modèles, le déploiement, la surveillance et le support aux décisions opérationnelles.

Mettre en œuvre des contrôles techniques soutenant la gouvernance des modèles et des données, y compris le contrôle de version, la séparation des environnements, les portes d'approbation, l'auditabilité et la gestion du changement.

Maintenir une documentation prête pour l'audit couvrant l'objectif du modèle, les données d'entraînement, les méthodes d'évaluation, les limitations, les dépendances, les approbations, les changements, les performances et les risques connus.

Soutenir l'évaluation et l'audit des résultats des modèles pour identifier les résultats inexacts, non étayés ou inattendus.

Aider à établir des points de contrôle pour la revue humaine et des procédures d'escalade pour les résultats des modèles susceptibles d'affecter matériellement les décisions de mission ou opérationnelles.

Soutenir la conformité aux exigences gouvernementales applicables en matière de traitement des données, de sécurité cloud, de cybersécurité et de risque opérationnel.

Intégrer les flux de travail de développement et de déploiement des modèles avec des capacités d'intégration continue, de livraison continue, de tests automatisés, d'infrastructure en tant que code, de surveillance et de gestion des incidents.

Collaborer avec les équipes de cybersécurité pour traiter les vulnérabilités, les contrôles d'accès, la gestion des secrets, les dépendances logicielles, la journalisation, le chiffrement et les exigences d'autorisation.

Coordonner avec les équipes d'entrepôt de données et d'ingénierie des données sur les modèles de données, les métadonnées, les processus ETL (Extract-Transform-Load), la qualité des données et l'accès gouverné.

Fournir un leadership technique, des conseils en architecture, des revues de code et de conception, un support au dépannage et un transfert de connaissances.

Préparer des diagrammes d'architecture, la documentation du cycle de vie des modèles, les procédures de déploiement, les plans de surveillance, les résultats de tests, les guides d'exploitation et les rapports techniques.

Communiquer les performances des modèles, la dérive, les risques, les incidents, les actions correctives et l'état du déploiement aux équipes techniques, aux parties prenantes gouvernementales et à la direction du programme.

Qualifications

Qualifications requises

Les candidats doivent répondre à toutes les exigences suivantes :

Habilitation Secret active ou supérieure.

Licence en informatique, science des données, mathématiques, ingénierie ou domaine connexe, ou équivalent autorisé.

Minimum de 12 années d'expérience professionnelle pertinente.

Expérience dans la direction de l'architecture de systèmes de machine learning en production.

Expérience dans la conception et l'exploitation d'environnements ML ou MLOps en production.

Expérience dans le développement et la maintenance de jeux de données d'entraînement, de validation et de test.

Expérience dans l'établissement de méthodes d'évaluation des modèles, de mesures de performance, de critères de validation et de seuils d'acceptation.

Expérience dans le déploiement de modèles de machine learning dans des environnements de production.

Expérience dans l'automatisation des processus de construction, de test, de déploiement, de promotion, de restauration ou de réentraînement des modèles.

Expérience dans la mise en œuvre de la surveillance de la dérive des modèles et des données.

Expérience avec la gouvernance des modèles et la gouvernance des données.

Expérience dans le contrôle des mises à jour des modèles, des jeux de données, des pipelines et des configurations.

Expérience avec des plateformes de machine learning basées sur le cloud ou des architectures cloud de production.

Expérience dans la mise en œuvre du versionnage des modèles, des jeux de données, du code, des artefacts et des configurations.

Expérience dans la construction ou l'intégration de capacités de tests automatisés, d'intégration continue et de livraison continue pour les systèmes de machine learning.

Expérience dans la surveillance de la performance, de la fiabilité et de la santé opérationnelle des modèles en production.

Compréhension des pipelines de données sécurisés, des contrôles d'accès, de la journalisation d'audit, du chiffrement, de la gestion des secrets et de la sécurité de la chaîne d'approvisionnement logicielle.

Capacité à établir la traçabilité entre les jeux de données, les transformations, les versions de modèles, les résultats d'évaluation, les déploiements et les résultats opérationnels.

Capacité à documenter et à communiquer les limitations des modèles, les performances, la dérive, les risques, les incidents et les actions correctives.

Certification CompTIA Security+ CE ou autre certification IAT niveau II approuvée.

Qualifications souhaitées

Les qualifications suivantes sont souhaitées mais non obligatoires :

Certification AWS Certified Machine Learning Engineer - Associate ou une certification de plateforme machine learning comparable.

Certification avancée en architecture cloud ou ingénierie des données AWS, Microsoft Azure, Google Cloud, Databricks ou équivalent.

Expérience dans le soutien de programmes fédéraux ou du département de la Défense.

Expérience dans l'exploitation de capacités de machine learning dans des environnements réglementés, contrôlés ou critiques pour la mission.

Expérience avec MLflow, Amazon SageMaker, Azure Machine Learning, Google Vertex AI, Databricks, Kubeflow ou des plateformes comparables.

Expérience avec la conteneurisation, Kubernetes, l'infrastructure en tant que code et les modèles de déploiement cloud-native.

Expérience dans la mise en œuvre de feature stores, de registres de modèles, de dépôts de métadonnées, de suivi d'expériences ou d'outils de lignage de données.

Expérience avec les plateformes d'observabilité, l'alerte automatisée, la réponse aux incidents et l'ingénierie de la fiabilité en production.

Connaissance des pratiques d'IA responsable, d'explicabilité, de validation des résultats, de supervision humaine, d'évaluation des biais et de gestion des risques liés aux modèles.

Connaissance des exigences du DoD Impact Level 4 ou des exigences gouvernementales comparables en matière de cloud et de protection des données.

Expérience avec les modèles analytiques, l'IA générative, les flux de travail de récupération ou les systèmes d'IA agentique.

Expérience dans la direction d'équipes techniques, de revues d'architecture ou d'initiatives transversales de livraison ML.

Langues

Ingénieur IA/ML & MLOps (Expert)

Présentation

Compétences

Notre politique d'égalité des chances en matière d'emploi

Missions et responsabilités

Qualifications

Qualifications requises

Qualifications souhaitées

Continuer à explorer

Ton prochain jobest déjà à ta recherche.

Plus d’opportunités avec un seul profil

Spécialiste du support informatique

Ingénieur Senior Windows

Administrateur système