Jesta I.S. Logo

Jesta I.S.

Senior MLOps Developer | Développeur·euse MLOps senior

Posted Yesterday
Be an Early Applicant
Hybrid
Montréal, QC, CAN
Senior level
Hybrid
Montréal, QC, CAN
Senior level
Designs, builds, and maintains production-grade machine learning and data pipelines across Oracle, Snowflake, AWS, and Azure. Responsibilities include data ingestion, model training, deployment, monitoring, retraining, rollback, infrastructure provisioning, CI/CD, observability, security, and cost optimization. The role uses Kedro, MLflow, Kubernetes, Docker, Terraform, and cloud-native AWS services while collaborating with data science, engineering, frontend, and product teams.
The summary above was generated by AI

Company Overview

Jesta I.S. builds enterprise retail technology used by apparel and footwear brands with complex, multi-site operations. Our data environment spans ERP and cloud platforms, and our engineering culture is hands-on, pragmatic, and fast-moving.

You’ll work in a production environment integrating Oracle, Snowflake, AWS, and Azure, supported by strong security standards, modern CI/CD practices, and close collaboration across Data Science, Engineering, Frontend, and Product teams.

Position Summary

We are looking for 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 responsible for 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.

Responsibilities

    • 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.
    • 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.
    • 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.
    • Build observability for run success, completeness, freshness, duration, drift, failures, and infrastructure cost.
    • Maintain Dockerized, Kubernetes-native environments using ECR and EKS, with appropriately sized compute and memory resources.
    • 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, Amazon 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 and parallel deployment
    • Security: AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, encryption, and network access controls

    Qualifications

    Education & Professional Experience

    • Bachelor’s or Master’s degree in Computer Science, Machine Learning, or a related field.
    • Minimum of 5 years of full-time professional experience, excluding internships and academic training, in ML Engineering, MLOps, or data-pipeline development.
    • 7+ years of relevant professional experience is preferred.
    • Proven ability to design, build, and automate production-scale, end-to-end ML pipelines in cloud environments.

    Technical Expertise

    • 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 (IaC) tooling.
    • Experience with containerized application 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, including versioning, lineage, quality validation, staged promotion, monitoring, and rollback.
    • Experience working with cloud platforms, preferably AWS and Azure.

    Skills & Abilities

    • Strong ownership and hands-on engineering mindset, from architecture through production.
    • Analytical and performance-focused approach to solving complex technical and operational problems.
    • Ability to balance scalability, cost, security, reliability, and maintainability when designing solutions.
    • Comfortable working across data engineering, machine learning, software engineering, infrastructure, and application delivery.
    • Strong collaboration skills when working with Data Scientists, Frontend Developers, Product stakeholders, and Engineering teams.
    • Strong attention to detail and commitment to automation, observability, reliability, and responsible data handling.
    • Ability to proactively identify and resolve operational gaps.
    • Strong adaptability and ability to work effectively in a fast-moving engineering environment.

    Additional Information

    • Work Model: Hybrid; 2 days per week in the Montreal office. Remote option possible for exceptional candidates.

    We thank all applicants for their interest; only those shortlisted will be contacted.

    Join us to help build the secure, scalable cloud foundations of our AI-powered future!

    --------------------

    Présentation de l’entreprise

    Jesta I.S. développe des technologies d’entreprise pour le commerce de détail, utilisées par des marques de vêtements et de chaussures ayant des opérations complexes et réparties sur plusieurs sites. Notre environnement de données englobe des plateformes ERP et infonuagiques, et notre culture d’ingénierie est pratique, pragmatique et dynamique.

    Vous travaillerez dans un environnement de production intégrant Oracle, Snowflake, AWS et Azure, soutenu par des normes de sécurité rigoureuses, des pratiques modernes de CI/CD et une collaboration étroite entre les équipes de science des données, d’ingénierie, de développement frontend et de produit.

    Résumé du poste

    Nous sommes à la recherche d’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 du ML, de l’ingestion et de la transformation des données à l’entraînement, au déploiement, à la surveillance, au réentraînement et au retour à une version antérieure.

    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, avec un fort accent sur la fiabilité, la performance et l’optimisation des coûts.

    Responsabilités

    • 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 les environnements 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.
    • Mettre en œuvre avec MLflow le suivi des expériences, le versionnage des modèles, la lignée des données, 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.
    • 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 les tests, l’analyse, les images immuables et les stratégies de rollback.
    • Développer l’observabilité des exécutions, notamment leur succès, leur complétude, leur fraîcheur, leur durée, la dérive, les défaillances et les coûts d’infrastructure.
    • Maintenir des environnements Dockerisés et natifs Kubernetes avec ECR et EKS, en assurant un dimensionnement approprié des ressources de calcul et de mémoire.
    • Déployer des applications ML sécurisées en React et Python sur AWS et Azure à l’aide de réseaux privés, MFA, RBAC, chiffrement et accès à privilèges minimaux.
    • Collaborer avec les équipes de science des données et les parties prenantes produit afin d’industrialiser les modèles, d’améliorer les performances et de 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, Amazon 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 et déploiement parallèle
    • Sécurité : AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, chiffrement et contrôles d’accès réseau

    Qualifications

    Formation et expérience professionnelle

    • Baccalauréat ou maîtrise en informatique, apprentissage automatique ou dans un domaine connexe.
    • Minimum de 5 ans d’expérience professionnelle à temps plein, excluant les stages et la formation académique, en ingénierie ML, MLOps ou développement de pipelines de données.
    • 7 ans ou plus d’expérience pertinente sont privilégiés.
    • Capacité démontrée à concevoir, développer et automatiser des pipelines ML complets à l’échelle de la production dans des environnements infonuagiques.

    Expertise technique

    • Solides compétences en Python et SQL, incluant la rédaction de 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 (IaC).
    • Expérience en déploiement d’applications conteneurisées, en CI/CD et en 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, notamment le versionnage, la lignée, la validation de la qualité, la promotion par étapes, la surveillance et le rollback.
    • Expérience avec des plateformes infonuagiques, idéalement AWS et Azure.

    Compétences et aptitudes

    • Fort sens de l’autonomie et approche d’ingénierie pratique, de l’architecture jusqu’à la mise en production.
    • Approche analytique axée sur la performance pour résoudre des problèmes techniques et opérationnels complexes.
    • Capacité à équilibrer évolutivité, coûts, sécurité, fiabilité et maintenabilité dans la conception de solutions.
    • À l’aise à l’intersection de l’ingénierie des données, de l’apprentissage automatique, du génie logiciel, de l’infrastructure et du déploiement applicatif.
    • Excellentes aptitudes à collaborer avec les équipes de science des données, de développement frontend, de produit et d’ingénierie.
    • Grande attention aux détails et engagement envers l’automatisation, l’observabilité, la fiabilité et la gestion responsable des données.
    • Capacité à identifier et résoudre de façon proactive les enjeux opérationnels.
    • Grande capacité d’adaptation et aisance dans un environnement d’ingénierie dynamique et en constante évolution.

    Informations complémentaires

    • Modèle de travail : Hybride ; présence au bureau de Montréal deux jours par semaine.
      Option de télétravail possible pour les candidat·e·s exceptionnel·le·s.
    • Nous remercions toutes les personnes intéressées ; seules les personnes retenues seront contactées.

    Joignez-vous à nous pour contribuer à bâtir les fondations infonuagiques sécurisées et évolutives de notre avenir propulsé par l’IA!

    Similar Jobs

    22 Minutes Ago
    Easy Apply
    Remote or Hybrid
    Canada
    Easy Apply
    Mid level
    Mid level
    Artificial Intelligence • Cloud • Computer Vision • Hardware • Internet of Things • Software
    Supports three Area Vice Presidents by managing complex calendars, multi-leg travel, expenses, staff meetings, executive communications, team events, and strategic administrative projects. The role requires proactive prioritization, discretion, polished communication, and the ability to anticipate and resolve shifting executive needs in a fast-paced Sales organization. This is a remote position based in Canada.
    Top Skills: Ai Productivity ToolsEnterprise Workflow Technology
    22 Minutes Ago
    Easy Apply
    Remote or Hybrid
    CA
    Easy Apply
    Senior level
    Senior level
    Artificial Intelligence • Cloud • Computer Vision • Hardware • Internet of Things • Software
    Leads transformational go-to-market programs across Sales and Revenue Operations. Responsibilities include scoping and prioritizing strategic initiatives, developing project roadmaps, coordinating cross-functional stakeholders, partnering with executives, managing organizational change, measuring outcomes, and driving continuous improvement. The role requires strong analytical, communication, project management, and stakeholder influence skills, with a focus on scalable solutions, operational excellence, and applying AI to improve program delivery.
    Top Skills: AIIotSaaS
    25 Minutes Ago
    In-Office or Remote
    CA
    Senior level
    Senior level
    Blockchain • eCommerce • Fintech • Payments • Software • Financial Services • Cryptocurrency
    Drive complex merchant and partner integrations for Block’s commerce products. Partner with sales, account management, product, and engineering teams; design technical solutions, build proofs of concept and sample integrations, troubleshoot API issues, advise customers, deliver technical demonstrations, and influence product roadmaps. The role requires strong software engineering experience, payments or fintech expertise, executive communication skills, and willingness to travel for client meetings.
    Top Skills: APIsFull-Stack Development

    What you need to know about the Montreal Tech Scene

    With roots dating back to 1642, Montreal is often recognized for its French-inspired architecture and cobblestone streets lined with traditional shops and cafés. But what truly sets the city apart is how it blends its rich tradition with a modern edge, reflected in its evolving skyline and fast-growing tech industry. According to economic promotion agency Montréal International, the city ranks among the top in North America to invest in artificial intelligence, making it le spot idéal for job seekers who want the best of both worlds.

    Key Facts About Montreal Tech

    • Number of Tech Workers: 255,000+ (2024, Tourisme Montréal)
    • Major Tech Employers: SAP, Google, Microsoft, Cisco
    • Key Industries: Artificial intelligence, machine learning, cybersecurity, cloud computing, web development
    • Funding Landscape: $1.47 billion in venture capital funding in 2024 (BetaKit)
    • Notable Investors: CIBC Innovation Banking, BDC Capital, Investissement Québec, Fonds de solidarité FTQ
    • Research Centers and Universities: McGill University, Université de Montréal, Concordia University, Mila Quebec, ÉTS Montréal

    Sign up now Access later

    Create Free Account

    Please log in or sign up to report this job.

    Create Free Account