MLOps-Ingenieur

Stelle nicht auf LinkedIn

vor 1 Monat

Bewerben

E-Mails mit ähnlichen Jobs erhalten

COMPREDICT

WebsiteLinkedInAlle Stellen

Automotive • Artificial Intelligence • SaaS

COMPREDICT ist ein Unternehmen, das sich auf virtuelle Sensortechnologie spezialisiert hat, um Fahrzeuginformationen in verwertbare Erkenntnisse umzuwandeln. Durch rein softwarebasierte Lösungen erweitert COMPREDICT bestehende Hardware mit virtuellen Sensoren und ermöglicht neue Messfähigkeiten sowie die Überwachung von Fahrzeuggesundheit und -nutzung. Die Plattform ist für Fahrzeughersteller, Zulieferer der ersten Ebene und Flottenlösungsanbieter konzipiert und bietet Technologien zur vorausschauenden Wartung und Optimierung des Lebenszyklus von Bauteilen. Das Unternehmen konzentriert sich darauf, den Bedarf an physischen Sensoren zu verringern, Kosten zu sparen und den Entwicklungsprozess durch KI und maschinelles Lernen zu verbessern. Mit strategischen Partnerschaften, wie denen mit Renault und UTAC, ist COMPREDICT Vorreiter bei der Weiterentwicklung der Mobilität durch innovative datengesteuerte Lösungen.

11 - 50 Mitarbeiter

🤖 Künstliche Intelligenz

☁️ SaaS

💰 €15.000.000 Series B im 2024-06

Beschreibung

• Entwerfen und Pflegen skalierbarer Pipelines zur Bereitstellung von Modellen des maschinellen Lernens, sowohl in der Cloud als auch im Fahrzeug. • Sicherstellen, dass Modelle sicher in Produktionsumgebungen integriert werden und eine minimale Latenz aufweisen. • Implementieren von Monitoring-Systemen zur Überwachung der Modellleistung und zum Erkennen von Problemen. • Entwickeln von Methoden zur Bewertung und zum Vergleich der Leistung unterschiedlicher Modelle. • Automatisieren von Prozessen zur Validierung der Modellgenauigkeit und Konsistenz im Produktionseinsatz. • Enge Zusammenarbeit mit Datenwissenschaftlern, Entwicklern und Stakeholdern, um Anforderungen zu verstehen und maßgeschneiderte Lösungen bereitzustellen. • Erstellen umfassender Dokumentationen für Prozesse, Pipelines und Workflows. • Schulung und Anleitung von Teammitgliedern zu MLOps-Best-Practices.

🎯 Anforderungen

• Fundierte Kenntnisse moderner DevOps-Praktiken und Microservice-Architekturen. • Expertise in Kubernetes und Containerisierungstechnologien. • Praktische Erfahrung mit Plattformen wie Kubeflow, KServe oder vergleichbaren Lösungen. • Erfahrung mit ML-Experimentier- und Registry-Plattformen wie W&B oder MLFlow. • Verständnis für Zeitreihenmodellierung und deren Datenanforderungen. • Vertrautheit mit ML-/NN-Frameworks. • Vertrautheit mit AWS oder anderen Cloud-Anbietern ist von Vorteil. • Ausgeprägte Fähigkeit zur Zusammenarbeit mit funktionsübergreifenden Teams, einschließlich Datenwissenschaftlern, Ingenieuren und Kunden. • Klare und präzise mündliche sowie schriftliche Kommunikation sowie hervorragende Dokumentationsfähigkeiten. • Fließende Englischkenntnisse in Wort und Schrift. Deutschkenntnisse sind von Vorteil.

🏖️ Vorteile

• Flexible Arbeitsmodelle • Möglichkeiten zur beruflichen Weiterbildung