Modèle de Description de Poste : Machine Learning Engineer
Ce modèle aide les employeurs suisses à rédiger une offre d'emploi claire pour un Machine Learning Engineer. Il couvre les responsabilités principales (développement de modèles, pipelines de données, déploiement en production), les exigences obligatoires (Python, frameworks ML, statistiques), les compétences souhaitées (plateformes cloud, connaissances spécialisées) et l'offre (fourchette salariale en CHF, pourcentage de Pensum, avantages). Adaptez le canton/la ville, les exigences linguistiques et les avantages spécifiques avant la publication.
Un Machine Learning Engineer développe, entraîne et déploie des modèles et systèmes ML qui résolvent des problèmes métier réels. Dans une PME suisse, ce rôle est souvent un pont entre la science des données et l'ingénierie logicielle—vous êtes responsable du cycle de vie complet du prototype à la production.
Utilisez ce modèle comme point de départ. Remplacez les sections [ESPACE RÉSERVÉ] par les détails de votre entreprise : localisation (canton et ville), Pensum (généralement 80–100%), structure d'équipe et pile technologique. Précisez quelle langue (français, allemand, italien ou anglais) est requise pour votre canton.
À propos du rôle
Ce poste de Machine Learning Engineer se concentre sur la construction et la maintenance de modèles ML ayant un impact direct sur le produit ou les opérations. Vous travaillerez avec des données réelles, itérerez sur la performance du modèle et assurerez que les systèmes montent en charge de manière fiable.
Le rôle se situe à l'intersection de la science des données et de l'ingénierie logicielle. Vous collaborerez avec les responsables produit, les ingénieurs données et les développeurs backend pour transformer les idées ML en systèmes stables en production.
- Concevoir, entraîner et évaluer des modèles d'apprentissage machine utilisant des techniques supervisées et non supervisées
- Construire et maintenir les pipelines de données qui ingèrent, nettoient et préparent les données pour l'entraînement
- Déployer les modèles en production et surveiller leur performance en conditions réelles
- Optimiser l'inférence des modèles pour la vitesse et l'efficacité des ressources
- Mener des expériences et des tests A/B pour valider les améliorations du modèle
- Documenter la logique des modèles, les procédures d'entraînement et les processus de déploiement
Exigences obligatoires
Les candidats doivent démontrer de fortes compétences en programmation, des fondamentaux en ML et la capacité à faire passer les modèles du notebook à la production. L'expérience professionnelle pertinente ou les projets personnels substantiels comptent.
La profondeur technique importe plus que les années d'expérience. Nous attendons une maîtrise des concepts clés du ML et une conscience honnête des lacunes de connaissances.
- Maîtrise de Python et expérience avec scikit-learn, TensorFlow ou PyTorch
- Compréhension solide des workflows ML : ingénierie des features, sélection de modèles, validation, surapprentissage
- Familiarité avec le contrôle de version (Git) et capacité à écrire du code de qualité production
- Statistiques de base : distributions, tests d'hypothèses, corrélation vs causalité
- Mentalité de résolution de problèmes et aisance au débogage empirique des modèles
- [EXIGENCE LINGUISTIQUE : précisez français / allemand / italien / anglais pour votre canton et équipe]
Compétences souhaitées & Ce que nous offrons
L'expérience avec les plateformes cloud (AWS, Google Cloud, Azure), la containerisation (Docker) et les outils MLOps accélère l'intégration mais n'est pas requise. Les connaissances spécialisées dans votre domaine sont un plus.
Une rémunération compétitive reflète les normes du marché suisse. Nous offrons un Pensum de [80–100%], une fourchette salariale de CHF [X] à CHF [Y] annuels, et des avantages qui soutiennent le bien-être et la croissance.
- Expérience avec les services cloud ML ou les outils MLOps (DVC, Weights & Biases, MLflow)
- Familiarité avec SQL et expérience de l'interrogation de grands ensembles de données
- Connaissance de l'interprétabilité des modèles et des techniques d'atténuation des biais
- CHF [X–Y] brut annuellement selon l'expérience ; 13. Monatslohn (bonus de 13e mois) standard en Suisse
- Localisation de travail flexible : [télétravail / [VILLE], [CANTON]]
- [Ajouter les avantages spécifiques : budget de développement professionnel, adhésion gym, événements d'équipe, etc.]
Questions fréquentes
- Devons-nous exiger un diplôme en informatique ou statistiques ?
- Pas nécessairement. Les compétences pratiques solides, les projets réels et les connaissances ML démontrées comptent plus que les diplômes. Un diplômé d'un bootcamp avec expérience en production peut être meilleur qu'un PhD sans expérience de déploiement. Évaluez sur la capacité, pas sur le papier.
- Quel Pensum devrions-nous annoncer ?
- La plupart des rôles technologiques en Suisse sont 80–100%. Précisez le pourcentage exact (par ex. 90%) pour clarifier les attentes. S'il existe une flexibilité, indiquez la fourchette. Les rôles ML à temps partiel sont moins courants mais possibles pour les candidats seniors ou spécialisés.
- Où mentionnons-nous les exigences linguistiques ?
- Ajoutez les exigences linguistiques dans la section des exigences obligatoires. Dans les cantons francophones, le français est souvent implicite mais vaut la peine d'être précisé. Spécifiez 'français au niveau affaires' ou 'anglais suffisant' selon la langue d'équipe et la culture cantonale.
Informations générales pour les employeurs suisses, pas un conseil juridique. Faites valider par un juriste tout ce qui a des conséquences légales.