
Sign up to save your podcasts
Or


Nicolas Mauti est Staff MLOps Engineer chez Malt, où il a été le premier MLOps de l’équipe. Malt c’est la plateforme leader du freelancing en Europe, qui met en relation des freelances avec des entreprises.
Dans cet épisode, Nicolas revient sur son principal défi de ces dernières années : mettre en place et structurer une approche MLOps chez Malt, dans un contexte déjà mature côté data, puis l’adapter à l’arrivée massive des IA génératives.
On aborde :
🔥 Le profil de Nicolas et le contexte chez Malt qui nécessite un rôle MLOps
🔥 Les fondations MLOps chez Malt : feature store, rationnalisation des pipelines ML, CI/CD & monitoring
🔥 L’évolution du besoin MLOps avec l’arrivée des IA génératives
🔥 La stack technique de Malt et les prochaines étapes de l’équipe
📚 RESSOURCES
- Le LinkedIn de Nicolas
- Le blog Malt Engineering sur Medium
- La communauté MLops
- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici
🎬 CHAPITRES
00:00 Le parcours de Nicolas
03:41 Le contexte à son arrivée
05:14 Chantier #1 : Centralisation des features (aka Feature Store)
08:05 Chantier #2 : Optimisation des pipelines ML et CI/CD
10:34 Chantier #3 : Monitoring & alerting
16:01 Comment l'arrivée des GenAI impacte les besoins MLOps
18:39 Le premier projet LLMOps
24:22 L’acculturation des équipes Engineering
29:58 Leur stack MLOps
34:20 Leurs prochaines étapes
35:56 Sa recommandation de contenu
36:54 Son meilleur conseil
🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER
#170 - Leboncoin : De la Data Science au ML Engineering
#211 - Brevo : Mettre en place une approche DataOps
#234 - Malt : Déployer des assistants IA à l’échelle
👋 PLUS DE CONTENU DATA ?
1/ Suivez-moi sur LinkedIn ici 🤳
2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌
3/ Découvrez le podcast en format vidéo sur YouTube ici 📹
🎙 SOUTENEZ LE PODCAST GRATUITEMENT
1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
By Robin Conquet5
11 ratings
Nicolas Mauti est Staff MLOps Engineer chez Malt, où il a été le premier MLOps de l’équipe. Malt c’est la plateforme leader du freelancing en Europe, qui met en relation des freelances avec des entreprises.
Dans cet épisode, Nicolas revient sur son principal défi de ces dernières années : mettre en place et structurer une approche MLOps chez Malt, dans un contexte déjà mature côté data, puis l’adapter à l’arrivée massive des IA génératives.
On aborde :
🔥 Le profil de Nicolas et le contexte chez Malt qui nécessite un rôle MLOps
🔥 Les fondations MLOps chez Malt : feature store, rationnalisation des pipelines ML, CI/CD & monitoring
🔥 L’évolution du besoin MLOps avec l’arrivée des IA génératives
🔥 La stack technique de Malt et les prochaines étapes de l’équipe
📚 RESSOURCES
- Le LinkedIn de Nicolas
- Le blog Malt Engineering sur Medium
- La communauté MLops
- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici
🎬 CHAPITRES
00:00 Le parcours de Nicolas
03:41 Le contexte à son arrivée
05:14 Chantier #1 : Centralisation des features (aka Feature Store)
08:05 Chantier #2 : Optimisation des pipelines ML et CI/CD
10:34 Chantier #3 : Monitoring & alerting
16:01 Comment l'arrivée des GenAI impacte les besoins MLOps
18:39 Le premier projet LLMOps
24:22 L’acculturation des équipes Engineering
29:58 Leur stack MLOps
34:20 Leurs prochaines étapes
35:56 Sa recommandation de contenu
36:54 Son meilleur conseil
🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER
#170 - Leboncoin : De la Data Science au ML Engineering
#211 - Brevo : Mettre en place une approche DataOps
#234 - Malt : Déployer des assistants IA à l’échelle
👋 PLUS DE CONTENU DATA ?
1/ Suivez-moi sur LinkedIn ici 🤳
2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌
3/ Découvrez le podcast en format vidéo sur YouTube ici 📹
🎙 SOUTENEZ LE PODCAST GRATUITEMENT
1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

41 Listeners

11 Listeners

116 Listeners

191 Listeners

25 Listeners

42 Listeners

75 Listeners

27 Listeners

94 Listeners

21 Listeners

6 Listeners

186 Listeners

7 Listeners

4 Listeners

2 Listeners