En un coup d'œil
- Missions: Construire des systèmes pour évaluer la qualité des modèles d'IA et garantir leur fiabilité.
- Entreprise: Mistral, une entreprise dynamique spécialisée dans les solutions IA de pointe.
- Avantages: Avantages compétitifs incluant couverture santé, congés parentaux et programmes de bien-être.
- Autres infos: Environnement collaboratif avec des opportunités de croissance de carrière.
- Pourquoi ce job: Rejoignez une équipe passionnée par l'IA et contribuez à des projets innovants.
- Qualifications: Master ou PhD en informatique avec 4+ ans d'expérience en logiciels de production.
Le salaire estimé est compris entre 61650 - 75350 € par an.
À propos de Mistral
Mistral fournit des solutions AI complètes : des modèles de pointe aux outils pour développeurs, applications et calcul. Nous collaborons avec des entreprises pour résoudre les problèmes les plus difficiles dans des secteurs à enjeux élevés tels que la finance, la fabrication, la défense, la santé et le secteur public, co-créant des systèmes AI personnalisés qu'elles peuvent gérer selon leurs propres conditions.
Nous sommes une équipe dynamique et collaborative passionnée par l'AI et son potentiel à transformer la société. Notre main-d'œuvre diversifiée s'épanouit dans des environnements compétitifs et est engagée à stimuler l'innovation. Nos équipes sont réparties entre l'Europe, l'Amérique du Nord, l'Asie et le Moyen-Orient. Nous sommes créatifs, humbles et d'esprit d'équipe.
Le rôle
L'évaluation est la manière dont nous décidons quels modèles, points de contrôle et recettes sont expédiés. En tant qu'ingénieur de recherche dans l'équipe Eval Platform, vous construirez l'infrastructure sur laquelle chaque équipe scientifique s'appuie pour mesurer la qualité des modèles, et la rendre fiable, reproductible et rapide.
Ce que vous ferez :
- Construire des systèmes qui maintiennent les résultats d'évaluation reproductibles et comparables au fil du temps, à mesure que les modèles, les benchmarks et le code évoluent.
- Exécuter des évaluations à grande échelle sur nos clusters GPU, depuis le service de modèle jusqu'à la notation.
- Rendre les résultats d'évaluation faciles d'accès, d'exploration et de confiance, via des API et des tableaux de bord que les chercheurs utilisent chaque jour.
- Détecter les évaluations défectueuses ou bruyantes avant qu'elles ne trompent les décisions de recherche.
- Soutenir l'évaluation de modèles agentiques, multi-tours et utilisant des outils.
- Travailler en étroite collaboration avec les chercheurs pour transformer les nouveaux besoins d'évaluation en outils robustes et partagés.
Ce que nous recherchons :
- Master ou doctorat en informatique, ou expérience équivalente.
- Plus de 4 ans d'expérience dans la construction de logiciels de production, idéalement des bases de code ML à grande échelle ou des systèmes distribués.
- Excellente maîtrise de Python et solides instincts en conception logicielle : tests, révision de code, CI/CD.
- Expérience dans l'exécution de charges de travail sur des clusters GPU (Slurm, Kubernetes, Ray ou similaire).
- Familiarité avec l'inférence et l'évaluation des LLM.
- Un état d'esprit produit : les chercheurs sont vos utilisateurs.
- Autonome, humble, collaboratif.
Atouts :
- Expérience dans la construction ou la maintenance de harnais d'évaluation ou de benchmarks.
- Expérience pratique avec des moteurs d'inférence tels que vLLM ou SGLang.
- Expérience avec des environnements agentiques ou RL.
- Statistiques pour l'expérimentation : estimation de variance, tests de signification.
- Contributions open-source aux outils ML.
Ce que nous offrons :
Nous offrons un ensemble complet d'avantages conçu pour soutenir votre bien-être, votre croissance et votre équilibre travail-vie personnelle. Les avantages varient selon le pays et peuvent inclure une couverture santé, un congé parental, des plans de retraite, un soutien à la relocalisation, des programmes de bien-être, des allocations de repas et de transport, et d'autres avantages spécifiques à l'emplacement.
Pour les détails les plus récents sur les avantages disponibles dans votre région, veuillez consulter notre page des avantages.
Politique de confidentialité
Votre vie privée est importante pour nous. Vous pouvez en savoir plus sur la façon dont nous gérons vos données personnelles dans notre Politique de confidentialité des candidats.
Research Engineer - Eval Platform in Paris employeur : Mistral
Mistral est un employeur de choix, offrant un environnement de travail dynamique et inclusif où chaque membre de l'équipe peut s'épanouir. Avec des opportunités de croissance professionnelle et un engagement envers le bien-être des employés, vous aurez la chance de contribuer à une fonction RH innovante tout en bénéficiant d'une culture d'entreprise collaborative. Situé dans des régions clés comme la France, le Royaume-Uni et les États-Unis, Mistral valorise la diversité et l'excellence, rendant chaque jour de travail significatif et gratifiant.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Research Engineer - Eval Platform in Paris
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de Mistral
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Mistral. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Research Engineer - Eval Platform in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez Mistral, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à Mistral que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez Mistral. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez Mistral
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de Mistral et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
