Ingénieur Machine Learning

Emploi pas sur LinkedIn

🔥 il y a 24 minutes

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Recevoir des emails pour des emplois à distance

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Maze

Site WebLinkedInTous les Emplois

11 - 50 employés

Fondée en 2024

🔒 Cybersecurity

🏢 Entreprise

Cybersecurity • AI • Enterprise

Maze est une entreprise de cybersécurité qui exploite l’Agentic AI pour gérer et atténuer les vulnérabilités au sein des environnements cloud. En automatisant l’investigation et la priorisation des vulnérabilités, Maze aide les organisations à identifier les faiblesses critiques avant qu’elles ne puissent être exploitées par des attaquants. Son approche innovante réduit considérablement le backlog de vulnérabilités, en se concentrant sur les risques de sécurité les plus pressants et en permettant des workflows de remédiation efficaces.

Description

• Concevoir et mettre en œuvre des systèmes d'évaluation prêts pour la production : concevoir et implémenter des cadres d'évaluation complets qui mesurent la performance des agents, suivent les améliorations dans le temps et garantissent que nos systèmes d'IA apportent une valeur constante aux clients • Piloter la pipeline d'expérimentation à la production : prendre en charge l'ensemble du cycle de vie ML, du prototype à la production, en construisant des systèmes scalables permettant des itérations rapides tout en maintenant fiabilité et performance en environnement client • Permettre l'intégration ML entre équipes : travailler en étroite collaboration avec les équipes produit pour intégrer de manière transparente des capacités ML dans des fonctionnalités destinées aux clients, en veillant à ce que l'excellence technique se traduise en valeur utilisateur et en différenciation produit • Optimiser la performance des agents IA : améliorer en continu nos agents IA par des expérimentations systématiques, de l'ingénierie des prompts et des améliorations architecturales, en mesurant le succès via l'impact client et la performance système • Faire évoluer l'infrastructure ML : construire les systèmes ML fondamentaux, le monitoring et les outils qui soutiendront notre croissance de startup à scale-up, en veillant à pouvoir déployer rapidement de nouvelles capacités sans compromettre la qualité • Collaborer avec la direction technique : travailler directement avec notre CTO via des points réguliers et un alignement stratégique tout en opérant avec une grande autonomie et sens de l'initiative au quotidien • Assurer du mentorat d'excellence : apporter un mentorat naturel aux ingénieurs ML juniors par des revues de code, des orientations techniques et le partage d'expériences pratiques de construction de systèmes ML en production

🎯 Exigences

• Expérience avérée en ML en production : plus de 6 ans à concevoir et scaler des systèmes d'apprentissage automatique en environnement de production, avec expérience pratique de la transition de l'expérimentation aux déploiements orientés client • Solide maîtrise des réseaux neuronaux et du deep learning : base approfondie des réseaux neuronaux classiques et des fondamentaux du deep learning avant de se spécialiser dans les LLMs et les architectures Transformer — vous comprenez les fondations, pas seulement les outils récents • Mentalité ML orientée produit : expérience de création de systèmes ML résolvant de vrais problèmes business, avec un historique d'intégration de systèmes de classification, prédiction ou recommandation dans des produits effectivement utilisés par des clients • Perspective multi-entreprises : expérience au sein de plusieurs organisations (scale-ups, startups ou combinaison), vous apportant une connaissance pratique de ce qu'il faut construire vs acheter et comment éviter la sur-ingénierie • Polyvalence technique : solides compétences en Python avec flexibilité sur les frameworks et outils ML — à l'aise pour s'adapter à notre stack incluant LangChain, les frameworks d'évaluation et des outils d'orchestration de workflows comme Temporal • Leadership autonome : capacité à travailler de façon autonome tout en maintenant un alignement étroit avec la direction, à l'aise avec des points fréquents mais capable de mener des projets de manière indépendante • Collaboration interfonctionnelle : expérience de travail étroit avec les équipes produit et potentiellement les clients, traduisant des capacités techniques en valeur business et en expériences utilisateurs • Atouts : expérience avec des agents IA, les LLMs ou des applications d'IA générative modernes • Atouts : connaissance du domaine cybersécurité ou expérience d'application du ML aux enjeux de sécurité • Atouts : parcours dans des entreprises 'ML-first' ou organisations où le ML était au cœur du produit • Atouts : expérience des pratiques MLOps modernes et de l'infrastructure ML basée sur le cloud • Atouts : historique d'optimisation de la performance des modèles et de maîtrise des coûts des systèmes d'IA

🏖️ Avantages

• Impact AI concret : participer à la mise en production des LLMs et du machine learning pour résoudre d'importants points de douleur en cybersécurité — votre travail protégera directement des organisations contre de véritables menaces, pas seulement optimiser des métriques internes • Opportunité de leadership technique : travailler directement avec notre CTO sur une infrastructure ML de pointe tout en ayant l'autonomie pour orienter les décisions techniques et construire des systèmes qui montent en charge • Partenariat avec une équipe d'experts : rejoindre une équipe de leaders opérationnels ayant une expérience en Big Tech et en scale-ups, incluant des membres de la direction ayant participé à plusieurs acquisitions et à une introduction en bourse • Construire l'avenir AI-native : façonner la manière dont l'IA générative transforme la cybersécurité depuis les bases, en établissant des pratiques ML et des standards techniques qui définiront le secteur • Voies d'évolution multiples : opportunités claires pour évoluer vers Head of ML Engineering, devenir lead technique de domaine, basculer vers des rôles techniques orientés client, ou exceller comme contributeur individuel senior — le choix vous revient selon vos intérêts et nos besoins • Technologie de rupture : travailler à l'intersection de l'IA générative et de la cybersécurité, en développant des solutions qui exploitent les dernières avancées en LLMs et agents IA pour résoudre certains des défis les plus pressants auxquels sont confrontées les équipes de sécurité aujourd'hui