AI Engineer – MLOps

Stelle nicht auf LinkedIn

🕒 vor 4 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

KATBOTZ®

WebsiteLinkedInAlle Stellen

1 - 10 Mitarbeiter

Gegründet 2021

💼 Beratung

🤖 Künstliche Intelligenz

📚 Bildung

Consulting • Artificial Intelligence • Education

KATBOTZ® ist ein Unternehmen für Unternehmensberatung, das sich auf die Förderung des Kundenerfolgs durch Geschäftstransformation in verschiedenen Sektoren wie den Biowissenschaften, der Hochtechnologie und Konsumgütern spezialisiert hat. Sie bieten eine umfassende Palette von Dienstleistungen an, darunter Beratung, Technologielösungen, Bildungsinitiativen und Talentoptimierung durch Recruiting und Coaching. KATBOTZ® nutzt fortschrittliche Technologien wie KI und maschinelles Lernen, um Effizienz zu maximieren und nachhaltiges Unternehmenswachstum für Kunden aus dem Unternehmens- und Mittelstandsbereich zu erleichtern.

Beschreibung

• Build and maintain ML pipelines for training, testing, and deployment • Deploy machine learning and AI models into production environments • Manage model lifecycle (training, deployment, monitoring, retraining) • Automate workflows using CI/CD for ML models • Monitor model performance, drift, and data quality • Work with data scientists and AI developers to productionize models • Manage model versioning, data versioning, and experiment tracking • Deploy models on cloud platforms (AWS, Azure, GCP) • Containerize applications using Docker and Kubernetes • Implement monitoring and logging for ML systems • Ensure scalability, security, and reliability of AI systems

🎯 Anforderungen

• 3–7 years in Machine Learning / AI / Data Engineering • 2+ years in MLOps / Model Deployment / ML Pipelines • Experience deploying models to production is mandatory • Python • Machine Learning • MLOps tools and frameworks • Docker • Kubernetes • CI/CD (GitHub Actions, Jenkins, GitLab CI) • MLflow / Kubeflow / Airflow • Data pipelines • APIs (FastAPI / Flask) • Cloud platforms (AWS / Azure / GCP) • SQL / NoSQL databases • Model monitoring and logging • MLOps Tools (Important) Candidate should have experience in some of these: MLflow Kubeflow Airflow DVC Weights & Biases SageMaker Azure ML Vertex AI

🏖️ Vorteile

• Competitive compensation package • Opportunities for professional development and career advancement. • Flexible working conditions, with remote options available. • Dynamic and supportive work environment.