ML/AI Platform Engineer
Monzo
full-remotemidpermanentbackenddevopsdata Full remote 83 days ago via WTTJ
See how well this job matches your profile
Sign up to get an AI match score and generate a tailored application in seconds.
Get your match scoreTags
Machine LearningArtificial IntelligenceAWSGCPKubernetesPythonGoDistributed SystemsModel ServingDeveloper Experience
About the role
ML/AI Platform Engineer (Monzo)
Rejoignez Monzo pour construire des systèmes permettant aux équipes de former, évaluer, déployer et servir des modèles de machine learning et des fonctionnalités IA.
Missions
- Concevoir et mettre en œuvre des systèmes et outils pour le cycle de vie des modèles : formation, évaluation, déploiement et serving.
- Développer des services backend, des bibliothèques Python, et des outils de ML lifecycle ainsi que des systèmes de service low-latency.
- Collaborer avec des ingénieurs ML, des data scientists et les équipes produit pour améliorer l’expérience de développement et réduire les frictions internes.
Profil recherché
- Solides bases d’ingénierie logicielle avec un contexte ML/IA et une appétence pour construire des outils/plateformes pour d’autres ingénieurs.
- Expérience AWS ou GCP et Kubernetes.
- Expérience en langages fortement typés et en développement backend.
- Conception et exploitation de systèmes distribués gérant scale, concurrence et pannes.
- Curiosité sur le comportement en production : fiabilité, latence, qualité, sécurité et risque opérationnel.
- Approche “platform engineer” orientée developer experience et réduction de la friction.
- Expérience concrète en plateforme ML/IA : ML pipelines, feature stores, model serving, experiment tracking, ou tooling LLM.
- A l’aise avec Go et Python.
- Apprécie l’ambiguïté et souhaite contribuer à faire évoluer la plateforme.
Conditions
- Temps de travail flexible et travail en home office (full remote indiqué).
About Monzo
Monzo est une entreprise fintech en forte croissance qui conçoit des produits financiers digitaux. Le rôle s’inscrit dans le développement de capacités d’ML/IA au service des équipes internes, avec un fort volet engineering d’infrastructure et de plateformes de déploiement de modèles.
Scraped 7/2/2026