Machine Learning Operations Developer, AI/ML Platfor

Job Requisition ID #

Machine Learning Operations Developer, Inference, AI/ML Platform

L'affichage de poste en français suivra / The French job posting follows

Position Overview

Autodesk, a global leader in 3D design, engineering, manufacturing, and entertainment software, is seeking an MLOps Developer to join our AI/ML Platform team. This role will contribute to ensuring the smooth operationalization of machine learning models and the overall efficiency of our next-generation AI/ML platform used in the development of machine learning and generative AI solutions powering Autodesk’s suite of products and services. You will collaborate with research and product engineering teams from various domains including design, construction, manufacturing, and media & entertainment to support platform operations.

The role is hybrid Toronto or Montreal.

Responsibilities

• Contribute to the operational excellence of our AI/ML Platform by implementing and optimizing MLOps practices
• Develop and maintain automated deployment pipelines for machine learning models, supporting seamless transitions from development to production
• Collaborate with cross-functional teams to design, implement, and maintain scalable infrastructure for model training, inference, and data processing
• Help develop and maintain monitoring and logging systems to track model performance, system health, and overall platform efficiency
• Work closely with data developers to ensure efficient data pipelines for model training and validation
• Implement version control systems for machine learning models and contribute to model governance practices
• Contribute to the implementation of robust model governance practices, version control systems, and adherence to compliance standards. Support data privacy and ethical considerations, fostering trust in our AI/ML solutions
• Implement security best practices and compliance standards in all aspects of MLOps, ensuring data privacy and platform security
• Identify opportunities for process automation and optimization, and implement strategies to enhance the overall MLOps lifecycle
• Participate in identifying and resolving operational issues, contributing to incident response and system recovery

Minimum Qualifications

• BS or MS in Computer Science, or related field
• 2+ years of hands-on experience in DevOps and MLOps, with a focus on deploying and managing machine learning models in production environments
• Experience implementing Infrastructure as Code practices using tools such as Terraform or Ansible
• Experience with containerization technologies (Docker, Kubernetes) for orchestrating and scaling machine learning workloads
• Experience setting up and maintaining Continuous Integration and Continuous Deployment (CI/CD) pipelines for machine learning projects
• Experience scripting in Python, Bash, or similar languages for automating operational processes
• Familiarity with monitoring and logging tools (e.g., Prometheus, Grafana, ELK Stack) for tracking system and model performance
• Understanding of security best practices in MLOps, including data encryption, access controls, and compliance standards
• Excellent collaboration and communication skills, working effectively with cross-functional teams including data developers, software developers, and researchers
• Ability to troubleshoot and resolve operational issues in a timely manner

Preferred Qualifications

• Experience with cloud platforms, especially AWS or Azure, for deploying and managing machine learning infrastructure
• Familiarity with databases and data storage solutions commonly used in MLOps, such as SQL, NoSQL, or data lakes
• Exposure to popular machine learning frameworks (TensorFlow, PyTorch) and their integration into MLOps processes
• Previous experience with collaboration tools like Git for version control and Jira for project management
• Familiarity with Agile development methodologies and working in an iterative, collaborative environment

______________________________________________________________________

Développeur MLOps (Machine Learning Operations), Inférence, Plateforme IA/ML

Aperçu du poste

Autodesk, chef de file mondial dans le domaine des logiciels de conception 3D, d’ingénierie, de fabrication et de divertissement, est à la recherche d’un développeur MLOps pour se joindre à notre équipe de la plateforme IA/ML.

Ce poste contribuera à assurer la mise en œuvre sans heurts des modèles d’apprentissage automatique ainsi que l’efficacité globale de notre plateforme d’IA/ML de nouvelle génération, utilisée dans le développement de solutions d’apprentissage automatique et d’IA générative qui alimentent la suite de produits et de services d’Autodesk. Vous collaborerez avec les équipes de recherche et d’ingénierie de produit issues de divers domaines, notamment la conception, la construction, la fabrication, ainsi que les médias et le divertissement, afin de soutenir les opérations de la plateforme.

Ce poste est hybride (Toronto ou Montréal).

Responsabilités

• Contribuer à l’excellence opérationnelle de notre plateforme d’IA/ML en mettant en œuvre et en optimisant les pratiques MLOps
• Développer et maintenir des pipelines de déploiement automatisés pour les modèles d’apprentissage automatique, afin de faciliter une transition sans heurts du développement à la production
• Collaborer avec des équipes interfonctionnelles pour concevoir, mettre en œuvre et maintenir une infrastructure évolutive pour l’entraînement des modèles, l’inférence et le traitement des données
• Contribuer à l’élaboration et à la maintenance de systèmes de surveillance et de journalisation afin de suivre la performance des modèles, l’état du système et l’efficacité globale de la plateforme
• Travailler en étroite collaboration avec les développeurs de données pour garantir l’efficacité des pipelines de données destinés à l’entraînement et à la validation des modèles
• Mettre en œuvre des systèmes de contrôle de version pour les modèles d’apprentissage automatique et contribuer aux pratiques de gouvernance des modèles
• Contribuer à la mise en œuvre de pratiques rigoureuses de gouvernance des modèles, de systèmes de contrôle de version et au respect des normes de conformité. Soutenir la protection des données et les considérations éthiques, afin de renforcer la confiance dans nos solutions d’IA et d’apprentissage automatique
• Mettre en œuvre les meilleures pratiques de sécurité et les normes de conformité dans tous les aspects du MLOps, en garantissant la confidentialité des données et la sécurité de la plateforme
• Identifier les possibilités d’automatisation et d’optimisation des processus, et mettre en œuvre des stratégies visant à améliorer l’ensemble du cycle de vie du MLOps
• Participer à l’identification et à la résolution des problèmes opérationnels, en contribuant à la gestion des incidents et à la reprise des systèmes

Qualifications Minimales

• Baccalauréat ou maîtrise en informatique ou dans un domaine connexe
• Au moins deux ans d’expérience pratique en DevOps et MLOps, avec un accent sur le déploiement et la gestion de modèles d’apprentissage automatique dans des environnements de production
• Expérience de la mise en œuvre de pratiques d’« infrastructure en tant que code » (Infrastructure as Code) à l’aide d’outils tels que Terraform ou Ansible
• Expérience des technologies de conteneurisation (Docker, Kubernetes) pour l’orchestration et la mise à l’échelle des charges de travail d’apprentissage automatique
• Expérience dans la mise en place et la maintenance de pipelines d’intégration continue et de déploiement continu (CI/CD) pour des projets d’apprentissage automatique
• Expérience en création de scripts en Python, Bash ou dans des langages similaires pour l’automatisation des processus opérationnels
• Connaissance des outils de surveillance et de journalisation (p. ex. Prometheus, Grafana, ELK Stack) pour le suivi de la performance des systèmes et des modèles
• Compréhension des pratiques exemplaires en matière de sécurité dans le domaine des MLOps, y compris le chiffrement des données, les contrôles d’accès et les normes de conformité
• Excellentes aptitudes à la collaboration et à la communication, capacité à travailler efficacement au sein d’équipes interfonctionnelles comprenant des développeurs de données, des développeurs de logiciels et des chercheurs
• Capacité à diagnostiquer et à résoudre les problèmes opérationnels en temps opportun

Qualifications Souhaitées

• Expérience avec les plateformes en nuage, en particulier AWS ou Azure, pour le déploiement et la gestion d’infrastructures d’apprentissage automatique
• Connaissance des bases de données et des solutions de stockage de données couramment utilisées en MLOps, telles que SQL, NoSQL ou les lacs de données
• Connaissance des frameworks d’apprentissage automatique courants (TensorFlow, PyTorch) et de leur intégration dans les processus MLOps
• Expérience préalable avec des outils de collaboration tels que Git pour le contrôle de version et Jira pour la gestion de projet
• Connaissance des méthodologies de développement Agile et capacité à travailler dans un environnement itératif et collaboratif

Learn More

About Autodesk

Welcome to Autodesk! Amazing things are created every day with our software - from the greenest buildings and cleanest cars to the smartest factories and biggest hit movies. We help innovators turn their ideas into reality, transforming not only how things are made, but what can be made.

We take great pride in our culture here at Autodesk - it’s at the core of everything we do. Our culture guides the way we work and treat each other, informs how we connect with customers and partners, and defines how we show up in the world.

When you’re an Autodesker, you can do meaningful work that helps build a better world designed and made for all. Ready to shape the world and your future? Join us!

Salary transparency

Belonging

We take pride in cultivating a culture of belonging where everyone can thrive. Learn more here: https://www.autodesk.com/company/global-belonging

In-Person Onboarding and Identity Verification

This role may require in-person onboarding and/or in-person ID verification.