Développeur python machine learning - 500€ max (it) / freelance

Nous recherchons un Machine Learning Engineer pour rejoindre notre équipe de développement de notre socle d'usage des LLMs. Le candidat idéal sera spécialisé dans la conception d'applications autour des Large Language Models et possédera une expertise dans divers outils et frameworks liés à l'intelligence artificielle générative (Langchain, Langsmith, LLamaIndex).
Responsabilités
Maîtrise et utilisation de LangChain et des frameworks de développement d'IA générative : Utiliser ces outils pour créer et améliorer des solutions innovantes basées sur l'IAGen.
Travail avec des bases de données vectorielles : Assurer le stockage et la consultation efficaces des données.
Utilisation et configuration de modèles d'embeddings : Mettre en place des modèles pour la recherche documentaire et optimiser leurs performances.
Développement d'agents basés sur les approches LLM : Appliquer les techniques LLM pour créer des agents intelligents.
Programmation en Python : Utiliser les meilleures pratiques de développement pour assurer un code de qualité (Clean Code, tests unitaires, etc.).
Utilisation des frameworks classiques de data science/NLP : Maîtriser des outils comme Scikit-Learn et NLTK pour les projets de data science.
Gestion des versions de code et déploiements continus : Exploiter les techniques GitOps et les pipelines CI/CD pour assurer une livraison continue et sans faille.
Travail en méthodologie Agile : Participer activement aux collaborations d'équipe et appliquer les bonnes pratiques Agile.
Autonomie dans la gestion de projets : Créer et gérer des cartes de tâches et des projets de manière autonome.



Profil candidat:
Développement d'agents basés sur les approches LLM : Appliquer les techniques LLM pour créer des agents intelligents.
Programmation en Python : Utiliser les meilleures pratiques de développement pour assurer un code de qualité (Clean Code, tests unitaires, etc.).
Utilisation des frameworks classiques de data science/NLP : Maîtriser des outils comme Scikit-Learn et NLTK pour les projets de data science.
Gestion des versions de code et déploiements continus : Exploiter les techniques GitOps et les pipelines CI/CD pour assurer une livraison continue et sans faille.
Travail en méthodologie Agile : Participer activement aux collaborations d'équipe et appliquer les bonnes pratiques Agile.
Autonomie dans la gestion de projets : Créer et gérer des cartes de tâches et des projets de manière autonome.