Senior MLOps Engineer

🕒 vor 5 Monaten

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

C the Signs

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

🏥 Gesundheitswesen

⚕️ Krankenversicherung

🤖 Künstliche Intelligenz

Healthcare • Healthcare Insurance • Artificial Intelligence

C the Signs ist ein innovatives Krebsprognosesystem, das entwickelt wurde, um Patienten mit Krebsrisiko in den frühesten und heilbarsten Stadien zu identifizieren. Durch den Einsatz fortschrittlicher Technologie, Forschung und Evidenz kann C the Signs schnell feststellen, welche Krebsarten für einen Patienten ein Risiko darstellen könnten und in weniger als 30 Sekunden geeignete Tests oder Spezialisten empfehlen. Das System unterstützt Gesundheitsdienstleister dabei, die Überlebensraten bei Krebs zu verbessern, indem es frühe Erkennung und integrative Versorgung von Prävention und Screening bis hin zu Diagnose und Überlebensunterstützung bietet. Engagiert für Vielfalt und Inklusion, adressiert es Ungleichheiten in rassischen Ergebnissen, kommt Patienten in ländlichen Gemeinschaften zugute und hilft, die finanzielle Belastung der Krebsdiagnose zu verringern. C the Signs ist bestrebt, die Überlebensraten zu verbessern und Menschen zu helfen, länger und gesünder zu leben, indem es die frühzeitige Krebserkennung und -versorgung verbessert.

Beschreibung

• Design and operate ML platforms that support end-to-end workflows: data ingestion, feature engineering, training, evaluation, deployment, and monitoring. • Build and maintain CI/CD for ML (testing, packaging, versioning, reproducibility, automated rollbacks, approvals). • Implement MLOps best practices: model registry, experiment tracking, lineage, governance, and reproducible training environments. • Develop scalable training infrastructure (distributed training, GPU scheduling, cost controls, auto-scaling). • Create and maintain feature pipelines / feature stores, ensuring consistency between training and inference (training-serving skew prevention). • Establish model monitoring and observability: performance, drift, bias/fairness signals (where relevant), latency, throughput, and data quality. • Build and own end-to-end LLM delivery pipelines: prompt/versioning, retrieval, orchestration, evaluation, deployment, monitoring, and iterative improvement. • Create robust LLM evaluation harnesses (offline + online): golden datasets, automated regression testing, human-in-the-loop review workflows, and risk scoring. • Build cost controls: token/cost budgeting, caching strategies, autoscaling, and performance tuning. • Productionize ML Models on GCP using containers and orchestration (e.g., GKE, Cloud Run), and build CI/CD for ML/LLM systems with automated tests and safe rollouts. • Implement observability: tracing, metrics, logs, dashboards, alerting for model/system health (latency, token usage, error rates, retrieval quality, hallucination indicators, drift where relevant). • Design systems with security and privacy by default: IAM, least privilege, secrets management, audit logs, encryption, data retention, and PHI/PII handling. • Implement governance: model/prompt lineage, dataset provenance, evaluation traceability, and approval workflows aligned with healthcare compliance expectations. • Integrate guardrails: content filters, policy checks, prompt injection defenses, structured output validation, and fallback strategies.

🎯 Anforderungen

• 6+ years in software/platform engineering, including 4+ years operating ML systems in production (or equivalent depth). • Strong experience in ML engineering: training pipelines, evaluation, deployment patterns, monitoring, and iteration loops. • Strong engineering skills in Python, plus production-grade experience building APIs/services. • Demonstrated hands-on experience with LLM systems in production and ML engineering: training pipelines, evaluation, deployment patterns, monitoring, and iteration loops. • Strong experience with GCP services and cloud-native patterns. • Experience with Vertex AI (pipelines, endpoints, feature store, model registry, evaluation) and/or managed vector search on GCP. • Experience with containerization and orchestration (Docker, Kubernetes/GKE and/or Cloud Run).

🏖️ Vorteile

• Competitive salary and benefits package. • Flexible working arrangements (remote or hybrid options available). • The opportunity to work on life-changing AI technology that directly impacts patient outcomes. • Join a team that combines cutting-edge innovation with a mission to save lives and improve health equity. • Continuous learning opportunities with access to the latest tools and advancements in AI and healthcare.