Senior MLOps Engineer | Spécialiste senior MLOps
- Hiring from
- Canada
- Work type
- Hybrid
- Posted
626,291 remote jobs, straight from company career pages
100% free · New jobs every minute
Show job descriptionHide job description
About Jesta I.S.
Jesta I.S. is a Canadian enterprise software company with over 55 years of experience delivering mission-critical solutions to retailers, wholesalers, and brand manufacturers worldwide. Our Vision Suite platform supports complex retail operations across merchandising, supply chain, inventory, commerce, and financial management. Our data environment spans Oracle ERP, Snowflake, AWS, and Azure. Our engineering culture is hands-on, pragmatic, and fast-moving — built on close collaboration between data science, engineering, frontend, and product teams.
The Opportunity
We are seeking a Senior MLOps Engineer to design, build, and maintain the data and machine learning pipelines that power our AI and analytics platforms. This is a deeply hands-on engineering role covering the full ML lifecycle from data ingestion and transformation through model training, deployment, monitoring, retraining, and rollback. You will bridge data engineering, ML automation, infrastructure, observability, and application deployment to help build scalable, secure, multi-tenant AI infrastructure with a strong focus on reliability, performance, and cost-efficient design.
Key Responsibilities
ML Pipelines & Data Engineering
- Build and automate ML pipelines for data preparation, training, inference, monitoring, and retraining.
- Develop production data flows across Oracle ERP, Snowflake, AWS, and Azure environments.
- Create reusable Kedro pipelines and manage scalable workloads through AWS Batch, EKS, Karpenter, Kueue, and Fargate.
Model Lifecycle & MLOps
- Implement MLflow-based experiment tracking, model versioning, lineage, quality gates, staged promotion, and rollback.
- Capture reproducible run manifests, validate prediction completeness, and support safe partial-run recovery.
- Build observability for run success, completeness, freshness, duration, drift, failures, and infrastructure cost.
Infrastructure & CI/CD
- Provision secure, multi-tenant cloud infrastructure using Terraform or OpenTofu.
- Implement CI/CD workflows using Azure DevOps and GitHub Actions, including testing, scanning, immutable images, and rollback strategies.
- Maintain Dockerized, Kubernetes-native environments using ECR and EKS with appropriately sized compute and memory resources.
Application Deployment & Security
- Deploy secure React and Python ML applications across AWS and Azure using private networking, MFA, RBAC, encryption, and least-privilege access.
- Collaborate with Data Scientists and Product stakeholders to operationalize models, improve performance, and address reliability gaps.
Technical Environment
- Languages & Frameworks: Python (pandas, Polars, boto3, joblib, LightGBM/XGBoost), SQL, JavaScript/React
- Data Engineering: AWS DMS, Athena, Snowflake, Oracle
- Pipeline & Orchestration: Kedro, EventBridge, AWS Batch, EKS, Karpenter, Kueue, Fargate
- MLOps: MLflow, Docker, ECR, Azure DevOps, GitHub Actions
- Infrastructure & Observability: Terraform/OpenTofu, CloudWatch, Prometheus, Grafana, structured logging, drift monitoring
- Cloud & Deployment: AWS (EC2, S3, RDS, Batch, EKS, Fargate, ECR, EventBridge, Lambda), Azure integration
- Security: AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, encryption, network access controls
Qualifications
Essential
- Minimum 5 years of professional experience in ML Engineering, MLOps, or data pipeline development, excluding internships and academic training.
- Proven ability to design, build, and automate production-scale, end-to-end ML pipelines in cloud environments.
- Strong Python and SQL skills, including complex querying against large datasets.
- Hands-on experience integrating Oracle and Snowflake with production ML systems.
- Proficiency with Terraform or equivalent Infrastructure as Code tooling.
- Experience with containerized deployment, CI/CD, and workflow orchestration.
- Experience with Kubernetes/EKS and cloud-native infrastructure.
- Experience with MLflow or equivalent MLOps tooling.
- Understanding of model lifecycle practices: versioning, lineage, quality validation, staged promotion, monitoring, and rollback.
- Experience with AWS and/or Azure cloud platforms.
- Bachelor's or Master's degree in Computer Science, Machine Learning, or a related field.
Preferred
- 7+ years of relevant professional experience.
- Experience across both AWS and Azure environments.
- Familiarity with Kedro, Karpenter, Kueue, or similar orchestration tooling.
- Experience with multi-tenant infrastructure design and cost optimization.
Why Join Jesta?
- Build and own the ML infrastructure powering real enterprise AI products.
- Work across the full stack: pipelines, infrastructure, deployment, observability, and security.
- Collaborate with experienced data science and engineering teams in a fast-moving environment.
- Contribute to scalable AI foundations serving global retail and supply chain clients.
Location: Montreal, Quebec. Hybrid — 2 days per week in office. Remote option available for exceptional candidates.
We thank all applicants for their interest. Only candidates selected for an interview will be contacted.
_____________________________
À propos de Jesta I.S.
Jesta I.S. est une entreprise canadienne spécialisée dans les logiciels d'entreprise, qui accompagne depuis plus de 55 ans les détaillants, grossistes et fabricants de marques à travers le monde. Notre plateforme Vision Suite soutient des opérations complexes du commerce de détail, incluant le marchandisage, la chaîne d'approvisionnement, la gestion des stocks, le commerce et la gestion financière. Notre environnement de données couvre Oracle ERP, Snowflake, AWS et Azure. Notre culture d'ingénierie est pratique, pragmatique et dynamique, fondée sur une collaboration étroite entre les équipes de science des données, d'ingénierie, de développement frontend et de produit.
Votre rôle
Nous recherchons un·e ingénieur·e MLOps senior pour concevoir, développer et maintenir les pipelines de données et d'apprentissage automatique qui alimentent nos plateformes d'IA et d'analytique. Il s'agit d'un rôle d'ingénierie très pratique couvrant l'ensemble du cycle de vie ML — de l'ingestion et la transformation des données jusqu'à l'entraînement, le déploiement, la surveillance, le réentraînement et le rollback. Vous ferez le lien entre l'ingénierie des données, l'automatisation ML, l'infrastructure, l'observabilité et le déploiement applicatif afin de contribuer à bâtir une infrastructure d'IA évolutive, sécurisée et multi-locataires.
Principales responsabilités
Pipelines ML et ingénierie des données
- Concevoir et automatiser des pipelines ML pour la préparation des données, l'entraînement, l'inférence, la surveillance et le réentraînement.
- Développer des flux de données de production entre Oracle ERP, Snowflake, AWS et Azure.
- Créer des pipelines Kedro réutilisables et gérer des charges de travail évolutives avec AWS Batch, EKS, Karpenter, Kueue et Fargate.
Cycle de vie des modèles et MLOps
- Mettre en œuvre avec MLflow le suivi des expériences, le versionnage, la lignée, les contrôles de qualité, la promotion par étapes et le rollback.
- Produire des manifestes d'exécution reproductibles, valider la complétude des prédictions et permettre la reprise sécuritaire des traitements partiels.
- Développer l'observabilité des exécutions : succès, complétude, fraîcheur, durée, dérive, défaillances et coûts d'infrastructure.
Infrastructure et CI/CD
- Provisionner une infrastructure infonuagique sécurisée et multi-locataires à l'aide de Terraform ou OpenTofu.
- Mettre en œuvre des workflows CI/CD avec Azure DevOps et GitHub Actions, incluant tests, analyse, images immuables et stratégies de rollback.
- Maintenir des environnements Dockerisés et natifs Kubernetes avec ECR et EKS, en assurant un dimensionnement approprié des ressources.
Déploiement applicatif et sécurité
- Déployer des applications ML sécurisées en React et Python sur AWS et Azure avec réseaux privés, MFA, RBAC, chiffrement et accès à privilèges minimaux.
- Collaborer avec les équipes de science des données et les parties prenantes produit pour industrialiser les modèles et résoudre les enjeux de fiabilité.
Environnement technique
- Langages et frameworks : Python (pandas, Polars, boto3, joblib, LightGBM/XGBoost), SQL, JavaScript/React
- Ingénierie des données : AWS DMS, Athena, Snowflake, Oracle
- Pipelines et orchestration : Kedro, EventBridge, AWS Batch, EKS, Karpenter, Kueue, Fargate
- MLOps : MLflow, Docker, ECR, Azure DevOps, GitHub Actions
- Infrastructure et observabilité : Terraform/OpenTofu, CloudWatch, Prometheus, Grafana, journalisation structurée, surveillance de la dérive
- Cloud et déploiement : AWS (EC2, S3, RDS, Batch, EKS, Fargate, ECR, EventBridge, Lambda), intégration Azure
- Sécurité : AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, chiffrement, contrôles d'accès réseau
Qualifications
Essentielles
- Minimum de 5 ans d'expérience professionnelle à temps plein, excluant stages et formation académique, en ingénierie ML, MLOps ou développement de pipelines de données.
- Capacité démontrée à concevoir, développer et automatiser des pipelines ML complets à l'échelle de la production dans des environnements infonuagiques.
- Solides compétences en Python et SQL, incluant des requêtes complexes sur de grands volumes de données.
- Expérience pratique de l'intégration d'Oracle et Snowflake à des systèmes ML en production.
- Maîtrise de Terraform ou d'un outil équivalent d'Infrastructure as Code.
- Expérience en déploiement d'applications conteneurisées, CI/CD et orchestration de workflows.
- Expérience avec Kubernetes/EKS et les infrastructures infonuagiques natives.
- Expérience avec MLflow ou un outil MLOps équivalent.
- Bonne compréhension du cycle de vie des modèles : versionnage, lignée, validation, promotion, surveillance et rollback.
- Expérience avec les plateformes infonuagiques AWS et/ou Azure.
- Baccalauréat ou maîtrise en informatique, apprentissage automatique ou domaine connexe.
Souhaitées
- 7 ans ou plus d'expérience pertinente.
- Expérience sur AWS et Azure simultanément.
- Connaissance de Kedro, Karpenter, Kueue ou des outils d'orchestration similaires.
- Expérience en conception d'infrastructure multi-locataires et en optimisation des coûts.
Pourquoi vous joindre à Jesta?
- Concevoir et posséder l'infrastructure ML au cœur de vrais produits d'IA d'entreprise.
- Travailler sur l'ensemble de la pile : pipelines, infrastructure, déploiement, observabilité et sécurité.
- Collaborer avec des équipes expérimentées en science des données et en ingénierie.
- Contribuer à des fondations d'IA évolutives au service de clients mondiaux du commerce de détail.
Lieu de travail : Montréal, Québec. Hybride — 2 jours par semaine au bureau. Option de télétravail possible pour les candidat·e·s exceptionnel·le·s.
Nous remercions toutes les personnes candidates de leur intérêt. Toutefois, seules les personnes sélectionnées pour une entrevue seront contactées.