MLOps Engineer

Ihre Mission

Als MLOps Engineer spielen Sie eine entscheidende Rolle dabei, sicherzustellen, dass unsere Machine Learning-Modelle nahtlos von der Forschung in die Produktion übergehen. Diese Modelle analysieren Fahrzeugdaten über einen bestimmten Zeitraum, um umsetzbare Erkenntnisse zu gewinnen. Ein paar Beispiele aus dem COMPREDICT-Portfolio: Vorhersage des Reifendrucks ohne traditionelle Sensoren. Vorhersage des richtigen Winkels der Frontscheinwerfer eines Fahrzeugs, um optimale Sicht für den Fahrer zu gewährleisten, ohne entgegenkommenden Verkehr zu blenden.

Ihre Hauptverantwortung besteht darin, eine robuste, effiziente und sichere Pipeline zu entwerfen, zu implementieren und zu warten, die den gesamten Lebenszyklus von Machine Learning-Modellen unterstützt, von der Entwicklung über die Bereitstellung bis hin zur Überwachung. Mit der zunehmenden Anzahl an bereitgestellten Modellen wird Ihr Fachwissen entscheidend sein, um Modellvergleiche zu verwalten und Leistungsstandards aufrechtzuerhalten.

Ihre Rolle im Detail:

• MLOps-Pipeline-Entwicklung und -Optimierung: Entwerfen und Warten skalierbarer Pipelines für die Bereitstellung von Machine Learning-Modellen, ob in der Cloud oder im Fahrzeug. Sicherstellen, dass Modelle sicher in Produktionsumgebungen mit minimaler Latenz integriert sind. Implementierung von Überwachungssystemen zur Verfolgung der Modellleistung und zur Meldung von Problemen.
• Modellvergleich und -validierung: Entwicklung von Methoden zur Bewertung und zum Vergleich der Leistung verschiedener Modelle. Automatisierung von Prozessen zur Validierung der Modellgenauigkeit und -konsistenz in der Produktion.
• Zusammenarbeit: Enge Zusammenarbeit mit Datenwissenschaftlern, Entwicklern und Stakeholdern, um deren Bedürfnisse zu verstehen und maßgeschneiderte Lösungen anzubieten. Effektive Kommunikation technischer Prozesse und Ergebnisse sowohl an technische als auch an nicht-technische Zielgruppen.
• Dokumentation und Wissensaustausch: Erstellung umfassender Dokumentationen für Prozesse, Pipelines und Workflows. Bereitstellung von Schulungen und Anleitungen für Teammitglieder zu MLOps-Best-Practices.

Ihr Profil

• Versiert in modernen DevOps-Praktiken und Mikroservice-Architekturen.
• Fachkenntnisse in Kubernetes und Containerisierungstechnologien.
• Praktische Erfahrung mit Plattformen wie KubeFlow, Kserve oder gleichwertigen.
• Erfahrung in der ML-Experimentierung und Registrierungsplattformen wie W&B oder MLFlow.
• Verständnis von Zeitreihenmodellierung und deren Datenanforderungen.
• Vertraut mit ML/NN-Frameworks.
• Vertraut mit AWS oder anderen Cloud-Service-Anbietern ist von Vorteil.
• Starke Fähigkeit zur Zusammenarbeit mit funktionsübergreifenden Teams, einschließlich Datenwissenschaftlern, Ingenieuren und Kunden.
• Klare und präzise mündliche und schriftliche Kommunikation mit hervorragenden Dokumentationsfähigkeiten.
• Fließend in Wort und Schrift in Englisch. Deutsch ist von Vorteil.

COMPREDICT treibt den Paradigmenwechsel hin zu softwaredefinierten Fahrzeugen voran und bietet Lösungen für nachhaltige Mobilität. Gegründet 2016 in Darmstadt, Deutschland, von Dr. Rafael Fietzek und Dr. Stéphane Foulard, liegt unser Fokus auf der Entwicklung virtueller Sensoren für Mobilität, um das Fahrzeugdesign, die Nutzung und die Wartung zu optimieren. Wir arbeiten mit Automobilherstellern und Tier-1-Unternehmen weltweit zusammen. Mit einem vielfältigen Team von über 35 Mitgliedern aus 10 verschiedenen Nationen befinden wir uns auf einer spannenden Wachstums- und Innovationsreise.