Founding AI Platform Engineer – MLOps, Backend

Stelle nicht auf LinkedIn

🕒 vor 4 Tagen

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

Gamingtec

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

Gegründet 2013

🎲 Glücksspiel

🤝 B2B

☁️ SaaS

Gambling • B2B • SaaS

Gamingtec ist ein B2B-iGaming-Plattformanbieter, der schlüsselfertige und White-Label-Software für Online-Casinos und Sportwetten bereitstellt. Das Unternehmen bietet modulare, skalierbare Plattformlösungen - Casino, Sportwetten (einschließlich einer KI-gestützten Sportwettenlösung), Affiliate-Software und Agentenmanagement -, die für einen schnellen Markteintritt (6–8 Wochen), die Einhaltung von regulatorischen Anforderungen in mehreren Jurisdiktionen und umfangreiche Integrationen (Spieleanbieter, Zahlungen, PAM) konzipiert sind. Gamingtec unterstützt zahlreiche Märkte und Währungen, berichtet über eine umfassende Abdeckung von Events (über 50. 000 Live-Events monatlich und über 40. 000 Pre-Match-Events monatlich) und fördert Partnerschaften mit Zahlungs- und Betrugsbekämpfungsanbietern. Das Unternehmen positioniert sich als Partner für Betreiber, die Online-Glücksspielmarken starten oder skalieren möchten.

Beschreibung

• Build and maintain the infrastructure and tooling used to train, evaluate, deploy, and monitor ML models and GenAI services • Own production services, APIs, and pipelines that power recommendations, agent workflows, and customer-facing integrations • Improve CI/CD, testing, release workflows, rollback processes, and environment management • Establish observability across service health, model behaviour, agent quality, latency, cost, and failure modes • Build reproducibility and lifecycle practices for models, prompts, datasets, configurations, and releases • Support experimentation and measurement infrastructure so product and ML changes can be evaluated cleanly • Improve reliability, scalability, security, performance, and cost efficiency across the stack • Troubleshoot production issues end-to-end and turn recurring pain points into durable engineering improvements • Help define the platform and engineering standards the company will rely on as it grows.

🎯 Anforderungen

• Strong software engineering background with experience building and operating production systems • Experience with backend services, cloud infrastructure, CI/CD, testing, observability, and automation • Strong Python skills and comfort working across services, tooling, infrastructure, and operational workflows • Good judgment about reliability, performance, maintainability, and cost tradeoffs • Ability to collaborate closely with ML and product teams and move ambiguous work to completion • High ownership, attention to detail, and a bias toward simplifying and strengthening systems • Experience with MLOps workflows for model training, evaluation, deployment, and monitoring (advantage) • Experience serving ML models or LLM applications in production (advantage) • Experience with experimentation platforms, event pipelines, analytics instrumentation, or feature delivery platforms (advantage) • Experience with agent evaluation, prompt versioning, retrieval/search infrastructure, or vector-backed systems (advantage) • Experience supporting customer-facing APIs or SaaS platform infrastructure (advantage).