Python Engineer - Industrialisation de Workflows Data Science H/F - Soors

Soors est une entreprise spécialisée dans la fourniture de solutions innovantes pour le secteur IT. Nous nous positionnons en tant que partenaire de confiance pour nos clients, en leur offrant des services de haute qualité adaptés à leurs besoins. Nos valeurs incluent l'excellence, l'intégrité et la collaboration.Poste et missions :
Dans le cadre du déploiement de cas d'usage Data Science à fort impact métier, notre client recherche un profil senior Python pour industrialiser les notebooks Jupyter développés par les Data Scientists.

Responsabilités :
- Refactorer et structurer les notebooks Jupyter en scripts, modules ou microservices Python.
- Mettre en oeuvre les bonnes pratiques de développement logiciel (tests, packaging, logging, CI/CD).
- Participer à l'architecture des pipelines de traitement de données et de déploiement de modèles.
- Collaborer avec les MLOps pour assurer l'intégration dans les environnements de production (containers, APIs, orchestrateurs...).
- Documenter et transmettre les bonnes pratiques aux équipes Data Science.

Environnement technique :
- Langage principal : Python 3 (avancé).
- Notebooks : Jupyter, VSCode, Jupytext.
- Packaging : Poetry, setup.py, Docker.
- CI/CD & versioning : Git, GitLab CI, MLflow, DVC.
- Orchestration : Airflow, Prefect (selon projets).
- API : FastAPI ou Flask.
- Infra / Ops : Docker, Kubernetes, Terraform (exposition via MLOps).
- Monitoring : Prometheus, Grafana, Sentry.
- Cloud : AWS / GCP / Azure (en fonction des projets).

Modalités :
- Localisation : Bordeaux.
- Télétravail : Partiel.

Nous recherchons un profil senior Python pour industrialiser les notebooks Jupyter développés par les Data Scientists.

Expérience :
- 5+ ans d'expérience sur des projets Python back-end ou data.

Compétences :
- Solide compréhension du cycle de vie logiciel (tests, CI/CD, versioning, packaging).
- Expérience concrète sur l'industrialisation de workflows de data science ou de traitement de données.
- Capacité à comprendre les contraintes des modèles ML et à collaborer efficacement avec les Data Scientists.
- Esprit d'architecture, rigueur dans le code, autonomie forte.

Bonus :
- Premières expériences ou appétence pour les pratiques MLOps.