Objectif : industrialiser les projets IA du développement à la mise en production via une approche MLOps complète et intégrée.
⚙️ Composants principauxSparrow Studio
Environnement code-first pour data scientists / analysts
Stack : Go, Kubernetes, ressources dynamiques GPU/CPU
Sparrow Serving
Déploiement de modèles IA (API / batch)
MLOps, monitoring, compliance
Stack : Go, Kubernetes-native
Sparrow Flow (poste concerné)
Librairie propriétaire Python (cœur du framework MLOps Sparrow)
Automatisation complète des pipelines IA (Docker, API, packaging, compliance, déploiement)
Niveau technique avancé – forte exigence en Python backend
Sparrow Academy
Documentation, tutoriels, support utilisateurs Sparrow
Prendre l’ownership technique de la librairie Python Sparrow Flow
Concevoir, maintenir et faire évoluer le framework MLOps interne
Garantir la qualité, la performance et la scalabilité du code
Participer à la définition des orientations techniques avec les leads
Collaborer avec les équipes architecture, infrastructure et data science
Contribuer à la documentation technique (Sparrow Academy)
Langages :
Python → Sparrow Flow
Go → Sparrow Serving & Studio
Terraform → Infrastructure
Infra & Cloud :
Cloud privé on-premise
Kubernetes (déploiement & orchestration)
S3 / MinIO / PX (Portworx)
Argo, ArgoCD, Argo Workflows (CI/CD)
Autres outils :
Git, Artifactory, Model Registry
Prometheus, Kibana
PostgreSQL, MongoDB