Senior Machine Learning Engineer H/F/NB

Description du poste

Studio pionnier d'Ubisoft, le studio de Paris est à l'origine des premiers succès de l'éditeur suite à sa création en 1992. Il est aujourd'hui à la tête de licences incontournables comme Just Dance, Ghost Recon ou Mario + The Lapins Crétins. Ubisoft Paris s'est également construit une solide réputation comme partenaire de choix dans les collaborations inter-studios comme Watch Dogs, Skull & Bones, Beyond Good & Evil 2 ou encore Star Wars. Fort de cette expérience, le studio continue d'aller plus loin en termes de créativité en travaillant sur des projets très prometteurs encore non-annoncés.

Regroupant 750 talents de 35 nationalités, Ubisoft Paris est aujourd'hui le plus grand studio de France et l'un des plus expérimentés de l'industrie. Les jeunes talents peuvent bénéficier de la présence importante de profils seniors, dans les métiers créatifs, techniques ou artistiques. Chacun·e reste animé·e par la même passion?: repousser les limites du possible et proposer de nouvelles expériences à nos joueur·euses.

Prêt·e·s à rallier l'aventure ? Rejoignez-nous au Studio de Paris !

Dans le cadre de ce poste, vous rejoindrez une équipe de production de jeu vidéo innovante centrée sur l'IA Generative. Dans ce contexte, vous allez évoluer aux côtés d'une équipe métier, responsable de l'analyse des données et des projets data science. Cette mission vous permettra d'apporter vos connaissances en Machine Learning (et en analyse de données en général) aux équipes de développement, afin d'exploiter le potentiel de l'Intelligence Artificielle et de construire des designs uniques.

En tant que Senior Machine Learning Engineer (H/F/NB), vos missions seront les suivantes :

• Participer au design de nouveaux gameplay avec les équipes de productions et comprendre leur besoin,
• Identifier des algorithmes pertinents (génératifs, information retrieval, classification?), les améliorer et les adapter avec des données propres à nos jeux (fine-tuning),
• Mettre en place les processus d'évaluation pertinents,
• Déployer ces algorithmes sur des cloud internes ou externes de manière robuste et scalable, en suivant les meilleurs pratiques en terme de développement et de MLOps, en collaboration avec les ingénieurs du projets,
• Implémenter de nouvelles techniques dans une démarche d'innovation/R&D.