Technical Architect – ML

🕒 vor 25 Tagen

🇺🇸 Vereinigte Staaten – Remote

⏰ Vollzeit

🟠 Senior

🔴 Experte

🔙 Backend-Entwickler

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

👻 Geisterscore 10%

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

Quantiphi

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

Gegründet 2013

💼 Beratung

🏥 Gesundheitswesen

📦 Logistik

💰 Series A im 2019-12

Consulting • Healthcare • Logistics

Quantiphi ist ein führendes, AI-orientiertes Digital-Engineering-Unternehmen, das auf ein Jahrzehnt Branchenerfahrung zurückgreift, um Unternehmen durch skalierbare, sichere und anpassungsfähige KI-Lösungen zu stärken. Durch die Integration modernster Technologie mit realen Anwendungen transformiert Quantiphi Organisationen in verschiedenen Sektoren, darunter Gesundheitswesen, Finanzen, Bildung und Einzelhandel. Ihre Dienstleistungen reichen von KI-Anwendungen über Datenanalyse, Modernisierung von Cloud-Infrastrukturen bis hin zu maßgeschneiderten KI-Implementierungen. Quantiphi arbeitet mit Technologie-Giganten wie AWS, Google Cloud, NVIDIA und anderen zusammen, um die Einführung von KI zu fördern und transformative Möglichkeiten für Unternehmen zu schaffen.

Beschreibung

• Architect and implement the MLOps strategy for the programme, aligning it with the project proposal and delivery roadmap • Design and own enterprise-grade ML/LLM pipelines covering model training, validation, deployment, versioning, monitoring, and CI/CD automation • Build container-oriented ML platforms, prioritizing EKS, while evaluating alternative orchestration tools • Implement hybrid MLOps and LLMOps workflows, including prompt/version governance, evaluation frameworks, and monitoring for LLM-based systems • Serve as a technical authority across internal and customer projects by contributing architectural patterns, best practices, and reusable frameworks • Enable observability, monitoring, drift detection, lineage tracking, and auditability across ML/LLM systems • Define and implement standards for model deployment, monitoring, governance, and automation • Collaborate with data engineering, platform, DevOps, and client stakeholders to deliver production-ready ML solutions • Ensure solutions adhere to security, governance, and compliance expectations • Conduct architecture reviews, troubleshoot complex ML system issues, and guide implementation across cloud-native ML platforms • Mentor engineers on modern MLOps tools, platform capabilities, and best practices

🎯 Anforderungen

• 8+ years working in ML/AI engineering or MLOps roles with strong architecture exposure • Strong expertise in AWS cloud-native ML stack, including SageMaker, EKS, Lambda, API Gateway, and CI/CD tools such as CodeBuild or CodePipeline • Hands-on experience with at least one major MLOps toolset and awareness of alternatives including MLflow, Kubeflow, SageMaker Pipelines, Airflow, BentoML, KServe, and Seldon • Deep understanding of model lifecycle management, including feature engineering, training, registry, deployment, and monitoring • Experience implementing or supporting LLMOps pipelines, including prompt versioning, evaluation metrics, and automation frameworks • Understanding of the complete ML lifecycle: data ingestion, feature engineering, training, evaluation, model packaging, CI/CD, drift detection, monitoring, and governance • Strong experience with AWS SageMaker Pipelines, Feature Store, Model Registry, and Model Monitor • Experience implementing ML CI/CD pipelines with automated training, testing, validation, model promotion, and endpoint deployment • Experience with Infrastructure as Code tools and CI/CD pipelines • Experience with Kubernetes-based development • Experience with feature engineering pipelines and Feature Store management • Understanding of lineage tracking, including training data snapshots, feature versions, code versioning, metadata tracking, and reproducibility • Hands-on experience with AWS Bedrock and Agentcore service • Experience with CloudWatch, SageMaker Model Monitor, Prometheus, and Grafana • Strong foundation in Python and cloud-native development patterns • Solid understanding of security best practices, IAM, secrets management, and artifact governance • Good to have: vector databases, RAG pipelines, or multi-agent AI systems • Good to have: DevOps and infrastructure-as-code tools such as Terraform, Helm, and CDK • Good to have: model drift detection, A/B testing, canary rollouts, and blue-green deployments • Good to have: observability stacks including Prometheus, Grafana, CloudWatch, and OpenTelemetry • Good to have: SQL and data transformation using Snowflake, Databricks, and Spark • Ability to translate business goals into scalable AI/ML platform designs • Strong communication and cross-team collaboration skills • Ability to guide engineering teams through technical uncertainty and design choices

🏖️ Vorteile

• Culture built on transparency, diversity, integrity, learning and growth • Ample opportunities to learn, grow and interact with colleagues from varied experience and backgrounds around the globe • Hybrid work culture (company-wide description)