von: Swissquote Bank SA | Ort: Gland
Construire la banque de demain nécessite plus que des moyens, il s’agit de combiner nos différences pour imaginer, discuter, coder, développer, tester, apprendre… et chaque étape ensemble. Partagez-vous nos vibes ? Rejoignez Swissquote pour libérer votre potentiel. Nous sommes le leader suisse de la banque en ligne et nous proposons des services de trading, d’investissement et bancaires à nos clients à travers notre plateforme numérique performante et sécurisée. Nos employés travaillent de manière flexible, sans code vestimentaire et dans un environnement multiculturel. Ayant un impact énorme sur l’industrie, ils développent leurs compétences tout en boostant leur carrière dans un environnement à rythme rapide. Jetez un œil derrière les coulisses en consultant Humans of Swissquote. En tant qu’employeur offrant des opportunités égales, nous accueillons des personnes de tous horizons, expériences et perspectives pour rejoindre notre équipe. Êtes-vous tous partants ? N’hésitez pas, postulez !Ingénieur Junior en Machine LearningNos systèmes d’IA offrent un impact mesurable à travers la banque, des modèles alimentant nos processus métier de base à une suite croissante de LLM qui transforment la façon dont les équipes travaillent. Alors que nous développons ce portefeuille, nous avons besoin d’ingénieurs capables de repousser les limites du possible tout en maintenant des systèmes de production.L’équipe Science des données recherche un Ingénieur Junior en Machine Learning pour concevoir, construire et livrer des solutions alimentées par l’IA, avec un fort accent sur les Modèles de Langage Préalable. Vous serez impliqué dans des projets de bout en bout : de la conception à des systèmes de qualité production utilisés par les utilisateurs. C’est un rôle à fort impact où vous assumerez dès le début une réelle responsabilité et influencerez la manière dont l’IA est construite et livrée à travers la banque.En tant qu’Ingénieur Junior en Machine Learning, vous allez :- Construire des designs alimentés par LLM : Concevoir et développer des systèmes basés sur des modèles de langage préalable — y compris des systèmes RAG, des workflows agentiques et des interfaces — adaptés aux besoins complexes des entreprises dans un environnement dynamique.- Développer et affiner des modèles : Former, peaufiner et évaluer des modèles classiques de Machine Learning, en choisissant la bonne approche pour chaque problème et en tenant compte des contraintes de production telles que les coûts et la précision.- Ingénierie pour la production : Construire des APIs ML fiables et évolutives. Vous vous souciez de la qualité du code, des tests et de la maintenabilité autant que des modèles.- Contribuer à des cadres pour l’IA — en particulier pour les systèmes où les métriques font défaut — et les utiliser pour une amélioration continue.- Rester à la pointe : Suivre activement le paysage dynamique des LLM, évaluer les outils et techniques émergents (nouvelles versions de modèles, frameworks, et prompt) et déterminer leur valeur pour la banque.- Collaborer entre les équipes : Travailler en étroite collaboration avec des scientifiques, des ingénieurs MLOps, des chefs de produits et des parties prenantes commerciales pour résoudre des problèmes métier à l’aide de l’IA.Formation : Diplôme en informatique, apprentissage automatique, science des données, ingénierie ou un domaine connexe.Compétences : Solides compétences en programmation en Python. Vous écrivez un code propre et maintenable et vous vous souciez des meilleures pratiques d’ingénierie.Expérience NLP : Expérience pratique dans la construction de modèles de langage préalable (ingénierie des prompts, RAG, ajustement des modèles, frameworks d’agents) — que ce soit par le biais d’expériences professionnelles, de projets personnels ou académiques.Fondamentaux : Solide compréhension de l’apprentissage automatique classique et de l’apprentissage profond. Vous pouvez choisir le bon outil pour le travail, que ce soit un arbre de gradient boosté ou un réseau de neurones.Confort : Vous êtes capable de construire au-delà du modèle — que cela signifie mettre en place une API, assembler une interface Web ou connecter un pipeline.Mentalité de production : Familiarité avec le déploiement de modèles en production. Une expérience avec Docker, Kubernetes et CI/CD est un atout fort.Pensée critique : Vous comprenez les défis des systèmes d’IA et pensez de manière critique à la conception de repères significatifs au-delà de la simple précision.Atouts : Expérience avec MLflow, ajustement de LLM open-source, ou frameworks front-end (React, Streamlit, Gradio). jid822773eafr jit0311afr jpiy26afr
