Machine Learning Engineer - Model Optimization in Paris

Nous recherchons des ingénieurs ML expérimentés pour optimiser et déployer des modèles d'apprentissage automatique sur des plateformes de calcul embarquées hétérogènes. Vous travaillerez à l'intersection de l'apprentissage automatique, des compilateurs, des systèmes d'exécution et de l'architecture informatique, aidant à combler le fossé entre les modèles développés par des chercheurs et les implémentations hautement optimisées fonctionnant sur du matériel de production.

Un objectif majeur de ce rôle est de comprendre les compromis entre la qualité du modèle et l'efficacité computationnelle. Vous travaillerez en étroite collaboration avec des chercheurs en apprentissage automatique pour développer et évaluer des architectures de modèles conscientes du matériel, identifier les goulets d'étranglement computationnels et explorer les changements architecturaux qui améliorent la latence, le débit et l'utilisation de la mémoire tout en maintenant la qualité du modèle.

Le candidat idéal aime comprendre à la fois les architectures de réseaux neuronaux et le matériel sur lequel ils s'exécutent, et s'intéresse à des techniques telles que la recherche d'architecture neuronale consciente du matériel, l'échelle des modèles, la quantification, l'inférence à précision mixte et la compression de modèles.

Il s'agit d'une opportunité passionnante de relever des défis du monde réel en apportant des algorithmes développés en laboratoire à des véhicules opérant dans divers environnements physiques.

Responsabilités clés :

• Profilage et analyse des modèles d'apprentissage automatique pour identifier les goulets d'étranglement computationnels, de mémoire et de mouvement des données.
• Explorer les compromis entre la qualité de sortie du modèle et le coût computationnel, y compris la latence, le débit et l'empreinte mémoire.
• Développer des méthodologies pour l'optimisation de modèles conscientes du matériel et la recherche d'architecture de réseaux neuronaux, en utilisant des mesures matérielles réelles comme objectifs d'optimisation.
• Appliquer des techniques d'optimisation de modèles telles que la quantification, l'inférence à précision mixte, la distillation et d'autres techniques de compression de modèles.
• Développer et maintenir des pipelines d'exportation de modèles, de benchmarking et de déploiement à travers des frameworks et des environnements d'inférence tels que PyTorch, ONNX et TensorRT.
• Évaluer différentes stratégies de déploiement et déterminer comment les modèles doivent être mappés sur des unités de traitement hétérogènes telles que les CPU, GPU et accélérateurs AI dédiés.

Ce que nous recherchons :

• Compréhension approfondie de l'apprentissage automatique et des architectures de réseaux neuronaux profonds avec une expérience pratique dans le développement de modèles d'apprentissage automatique utilisant des frameworks tels que PyTorch.
• Compétence en programmation Python.
• Expérience dans l'analyse des caractéristiques computationnelles des réseaux neuronaux et compréhension de la manière dont l'architecture du modèle affecte les performances d'inférence.
• Familiarité avec des techniques telles que la recherche d'architecture de modèle, l'échelle des modèles, la quantification, l'inférence à précision mixte, la distillation des connaissances ou d'autres méthodes de compression de modèles.
• Expérience avec des technologies d'inférence et de déploiement d'apprentissage automatique telles qu'ONNX, TensorRT ou des frameworks similaires.
• Capacité à raisonner à travers différentes couches de la pile de déploiement ML, de l'architecture du modèle et des graphes computationnels aux environnements d'inférence et à l'exécution matérielle.
• Familiarité avec les pratiques et outils de développement logiciel professionnels, y compris Git, tests unitaires, débogage et profilage.
• Excellentes compétences en communication et capacité à travailler efficacement avec des équipes de recherche en apprentissage automatique, de logiciels embarqués et d'ingénierie produit.

Points bonus :

• Compétence en C++ moderne.
• Familiarité avec CUDA/OpenCL.
• Expérience dans le déploiement de modèles d'apprentissage automatique dans des systèmes embarqués.
• Expérience dans le mentorat des membres de l'équipe sur le développement logiciel et les meilleures pratiques.

Ce que nous offrons :

• Opportunité d'avoir un impact dans une jeune entreprise soutenue par des investisseurs dans un marché émergent.
• Salaire compétitif allant de 75 000 € à 90 000 € par an selon l'expérience et l'équité.
• 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 entièrement équipé, moderne au cœur de Paris.
• Transport/Déplacement : Avantages pour les transports (remboursement partiel pour les transports publics, le cas échéant).
• Chèques-repas subventionnés (tickets restaurant).
• Pass bien-être (ex Gymlib).

Zendar s'engage à créer un environnement diversifié où des personnes talentueuses viennent donner le meilleur d'elles-mêmes. Nous sommes fiers d'être un employeur offrant l'égalité des chances. Tous les candidats qualifiés seront considérés pour un emploi sans distinction de race, couleur, religion, sexe, identité ou expression de genre, orientation sexuelle, origine nationale, génétique, handicap, âge ou statut de vétéran.