MLOps Engineer – Data Infrastructure

🕒 vor 27 Tagen

🇫🇷 Frankreich – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

🚰 Dateningenieur

👻 Geisterscore 12%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

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

MARSS Group

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

📦 Logistik

💼 Beratung

🎖️ Verteidigung

Logistics • Consulting • Defense

Die MARSS Group ist ein Technologieunternehmen, das sich auf die Entwicklung fortschrittlicher Sicherheits- und Überwachungssysteme zur Stärkung der nationalen Sicherheit spezialisiert hat. Das 2005 gegründete Unternehmen verfügt über mehr als 15 Jahre Erfahrung in Forschung und Zusammenarbeit mit der EU, der NATO und verschiedenen Verteidigungsbehörden. Zu den technologischen Innovationen von MARSS gehören integrierte sensorbasierte Überwachung, künstliche Intelligenz und Open-Source Intelligence (OSINT). Diese Technologien schützen weltweit kritische Infrastrukturen, maritime Anlagen, Spezialeinheiten und hochrangige Personen. Das Produktportfolio umfasst Systeme wie NiDAR™ zur Weiterentwicklung von Command-and-Control-Funktionen sowie verschiedene Lösungen zur Abwehr unbemannter Luftfahrtsysteme und zur Verbesserung des Lagebilds in unterschiedlichen Sicherheitskontexten.

Beschreibung

• Build and operate infrastructure supporting the company's data and Machine Learning environment • Provision and own bare-metal and virtual machines and the environments running on them • Design, configure and maintain servers, VMs and environments supporting data pipelines and ML development • Build and maintain infrastructure and automation for data collection, preparation, validation, versioning and availability • Automate data flow from collection through preparation to downstream processes, including training triggers • Configure and administer Linux-based environments and servers used by ML and data teams • Deploy, configure and maintain ML/data management platforms such as MLflow, DVC, ClearML or equivalent • Build reproducible offline environments with local package mirrors, private container registries and offline artefact management • Implement dataset and artefact versioning and support experiment traceability • Operate the orchestration layer as a deployed service, including installation, configuration, resource management, upgrades and log/metric plumbing • Support management of large and varied datasets, including images, video, structured data and temporal/time-series data • Integrate data pipelines with existing training and inference setup alongside the Data Engineer • Containerise data applications using Docker and integrate them into deployment tooling • Develop automation for environment provisioning, testing, deployment and monitoring • Define and implement infrastructure and service monitoring, including data-quality and pipeline-health monitoring • Monitor infrastructure and ML workloads and troubleshoot performance, availability and configuration issues • Support efficient use of compute and storage resources • Contribute to the architecture and continuous improvement of the internal ML platform • Document infrastructure, configurations, deployment processes and operational procedures

🎯 Anforderungen

• Strong professional experience in MLOps, DevOps, data infrastructure or a closely related engineering role • Strong hands-on knowledge of Linux, including confidence working extensively from the command line • Experience configuring and managing servers, virtual machines and technical infrastructure • Strong experience with Docker and containerised environments • Experience building environments that work offline or under restricted network conditions: local registries, mirrors, or disconnected installations • Practical experience with ML lifecycle/data management tools such as MLflow, DVC, ClearML or comparable frameworks • Good Python skills, particularly for scripting, automation and integration • Good understanding of data pipelines and the requirements associated with large and heterogeneous datasets • Good understanding of Machine Learning development and deployment workflows • Experience implementing CI/CD or similar automation for software, data or ML workloads • Good understanding of Git and software development workflows • Strong troubleshooting skills across software, infrastructure and configuration issues • Ability to independently design and implement technical solutions rather than only operate an existing platform • Fluent English, written and spoken