- Concevoir, développer et maintenir les API robustes, performantes et sécurisées de l'application.
- Gérer l'infrastructure de déploiement et d'intégration continue de la partie backend.
- Gérer et optimiser les opérations DevSecOps, les opérations MLOps et les processus de développement logiciel
- Intégration continue (CI) et déploiement continu (CD) : Mettre en place et maintenir des pipelines CI/CD pour automatiser la compilation, les tests et le déploiement des applications, réduisant ainsi les interventions manuelles et accélérant les cycles de publication.
- Déploiement des modèles : Développer et implémenter des processus de déploiement de modèles d’apprentissage automatique en production, garantissant leur évolutivité et leur fiabilité.
- Infrastructure évolutive : Concevoir et gérer une infrastructure évolutive pour prendre en charge le déploiement et l’inférence de modèles d’apprentissage automatique dans des applications réelles.
- Surveillance des modèles : Mettre en œuvre des systèmes de surveillance pour suivre les performances des modèles d’apprentissage automatique en production et détecter les problèmes et anomalies
- Gestion des versions des données : Mettre en œuvre des stratégies de gestion des versions des données pour assurer le suivi des modifications apportées aux données d’entraînement et le maintien de la reproductibilité.
- Gestion de la dérive des données : Mettre en œuvre des stratégies pour surveiller et gérer la dérive des données, afin de garantir l’efficacité des modèles d’apprentissage automatique malgré l’évolution des données d’entrée.
- Optimisation des ressources : Optimiser l’allocation des ressources (par exemple, processeur, mémoire) pour une inférence de modèles efficace et économique.
- Optimisation des coûts : optimiser les coûts d'infrastructure tout en maintenant la performance et la fiabilité