Land
Sektor
Beruf suchen
MLOps-Ingenieur
Spezialist für die Industrialisierung, den produktiven Einsatz und das Monitoring von Machine-Learning-Modellen.
85 000 – 170 000 CHF
Gehalt / Jahr
Hochschulabschluss in Informatik, Data Science oder verwandten Fachrichtungen ist üblich
Bildungsniveau
00
Automatisierung
Niedrig
Schwierigkeit
Wachsend
Beschäftigung
6 bis 12 Monate intensive Weiterbildung oder Praxisphase nach Studium oder Quereinstieg
Marktanspannung
Sehr hoch
Mobilität
Möglich
Automatisierung
Niedrig
Schwierigkeit
Wachsend
Beschäftigung
6 bis 12 Monate intensive Weiterbildung oder Praxisphase nach Studium oder Quereinstieg
Marktanspannung
Sehr hoch
Mobilität
Möglich
About
Der MLOps-Ingenieur ist verantwortlich für die Automatisierung, Skalierung und Überwachung von Machine-Learning-Modellen im produktiven Umfeld. Er entwickelt und implementiert Pipelines zur kontinuierlichen Integration und Bereitstellung von ML-Modellen, sorgt für deren Stabilität und Performance und arbeitet eng mit Data Scientists und IT-Teams zusammen, um effiziente und zuverlässige ML-Systeme zu gewährleisten.
Kompetenzen
Technische Kompetenzen
- Kenntnisse in Cloud-Plattformen wie AWS, Azure, GCP
- Erfahrung mit Containerisierung durch Docker, Kubernetes
- Automatisierung von CI/CD-Pipelines für ML-Modelle
- Kenntnisse in Programmiersprachen wie Python
- Vertrautheit mit ML-Frameworks wie TensorFlow, PyTorch
- Einsatz von Monitoring-Tools und Logging-Systemen
- Effizientes Datenmanagement und Datenpipelines
- Kenntnisse in Infrastruktur als Code mit Terraform, Ansible
Soft Skills
- Analytisches Denken zur Lösung komplexer Probleme
- Teamfähigkeit und interdisziplinäre Zusammenarbeit
- Fokus auf Problemlösungsorientierung
- Starke Kommunikationsstärke für effektive Interaktion
- Hohe Eigeninitiative und Selbstorganisation
- Flexibilität und Anpassungsfähigkeit an neue Situationen
- Sorgfalt und Verantwortungsbewusstsein im Arbeitsalltag
Aufgaben
- Entwicklung und Wartung von automatisierten ML-Pipelines
- Deployment von Machine-Learning-Modellen in Produktionsumgebungen
- Überwachung und Optimierung der Modellperformance
- Sicherstellung der Skalierbarkeit und Zuverlässigkeit der ML-Systeme
- Zusammenarbeit mit Data Scientists zur Integration neuer Modelle
- Implementierung von Monitoring- und Alerting-Systemen
- Automatisierung von wiederkehrenden Aufgaben im ML-Lifecycle
- Dokumentation von Prozessen und Systemarchitekturen
- Analyse und Behebung von Produktionsproblemen
- Evaluation und Integration neuer Tools und Technologien im MLOps-Bereich
- Sicherstellung der Einhaltung von Sicherheits- und Datenschutzrichtlinien
- Kontinuierliche Verbesserung der ML-Operations-Prozesse
Arbeitsumgebungen
Die Arbeitsumgebungen können variieren:
Cloud-Computing-Plattformen bieten Skalierbarkeit und Flexibilität
Container-Orchestrierungssysteme für effizientes Management
Agile Entwicklungsumgebungen fördern Innovation und Anpassung
Data-Science-Teams für kollaborative Modellentwicklung
Produktions- und Monitoring-Tools zur Überwachung der Systemleistung
Karrierewege
- Aufstieg zum Lead MLOps Engineer für strategische Leitung
- Rolle als Machine Learning Architect zur Gestaltung von Systemen
- Position als Data Engineering Manager für Teamführung
- Leitung als Head of AI Operations zur Optimierung von Prozessen
- Spezialist für KI-Infrastruktur mit Fokus auf Innovation
Gesuchtes Profil
Erfahrung in der Automatisierung von ML Prozessen
Kenntnisse in Cloud und Container-Technologien
Starke Problemlösungsfähigkeiten
Teamorientierte Arbeitsweise
Hohe technische Affinität
Wie werde ich MLOps-Ingenieur?
