Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Leite die MLOps-Pipeline und bringe ML-Modelle in die Produktion auf GCP.
- Arbeitgeber: Innovative AI-Beratung mit direktem Zugang zu Führungskräften.
- Mitarbeitervorteile: Attraktives Gehalt, Boni und langfristige Projekte.
- Warum dieser Job: Gestalte reale ML-Systeme und arbeite eng mit einem kleinen Team zusammen.
- Gewünschte Qualifikationen: Erfahrung in der Bereitstellung von ML-Systemen und starke GCP-Kenntnisse.
- Andere Informationen: Langfristige Projekte mit klaren Aufstiegsmöglichkeiten.
Das voraussichtliche Gehalt liegt zwischen 130000 - 136000 € pro Jahr.
Zurich, Schweiz | Hybrid (1 Tag vor Ort pro Woche) AI Beratung CHF 130k – 136k + Bonus
Überblick
Dies ist eine praktische MLOps / Software Engineering Rolle innerhalb einer AI Beratung, die Produktions-ML-Systeme in Unternehmensumgebungen liefert. Sie werden im Pricing-Team eines großen Versicherungsunternehmens eingebettet sein und an einem bestehenden Projekt arbeiten, bei dem mehr Ingenieurkapazität benötigt wird, um Modelle in Produktion zu bringen und sie am Laufen zu halten. Das Kernproblem ist einfach: Modelle existieren, jetzt müssen sie bereitgestellt, skaliert und zuverlässig auf GCP gemacht werden.
Was Sie tun werden
- Sie sind verantwortlich für den Weg vom trainierten Modell zum Produktionssystem. Dazu gehört der Aufbau von MLOps-Pipelines, das Bereitstellen von Modellen in GCP und die Sicherstellung, dass sie stabil, überwacht und nutzbar sind, sobald sie live sind.
- Sie arbeiten eng mit Datenwissenschaftlern auf der einen Seite und Stakeholdern auf der anderen Seite zusammen, um sicherzustellen, dass das, was gebaut wird, tatsächlich läuft und Wert liefert.
- Sie treten einem kleinen Team bei: Head of AI Engineering + ein Ingenieur.
- Das Beratungsmodell bedeutet, dass Sie langfristig mit dem Kunden eingebettet sind (typischerweise 1–2 Jahre), sodass Sie nah an den Systemen bleiben, die Sie bauen, und diese im Laufe der Zeit weiter verbessern.
- Sie arbeiten direkt mit technischen und nicht-technischen Stakeholdern, ohne dazwischenliegende Ebenen.
Was dies Ihnen bietet
- Verantwortung für die ML-Bereitstellung in der Produktion auf GCP
- Arbeiten an Systemen, die täglich vom Unternehmen genutzt werden (Preisentscheidungen)
- Kleines Team, hohe Sichtbarkeit, direkter Zugang zur Führungsebene
- Langfristige Projektkontinuität (1–2 Jahre)
- Klare Entwicklungsmöglichkeiten in Richtung Architekt / Principal oder Beratungspfad
Was Sie mitbringen
- Sie haben ML-Systeme in die Produktion überführt und wissen, wo häufig Probleme auftreten.
- Sie sind stark in GCP, können unabhängig arbeiten und fühlen sich wohl dabei, direkt mit Stakeholdern zu kommunizieren.
- Sie legen Wert auf Systemzuverlässigkeit, saubere Architektur und darauf, dass ML-Systeme in der Produktion tatsächlich funktionieren.
Lead MLOps Engineer Arbeitgeber: DeepRec.ai
Kontaktperson:
DeepRec.ai HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Lead MLOps Engineer
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach informellen Gesprächen oder Meetups – oft erfährst du so von offenen Stellen, bevor sie veröffentlicht werden.
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Da du als Lead MLOps Engineer arbeiten möchtest, solltest du deine Kenntnisse in GCP und MLOps-Pipelines auffrischen. Mach ein paar Mock-Interviews mit Freunden oder nutze Online-Ressourcen, um sicherzustellen, dass du bereit bist.
✨Tipp Nummer 3
Sei proaktiv! Wenn du eine Firma im Auge hast, die dir gefällt, zögere nicht, direkt über unsere Website zu bewerben. Zeig dein Interesse und deine Motivation, indem du eine kurze Nachricht hinzufügst, warum du genau dort arbeiten möchtest.
✨Tipp Nummer 4
Mach dich sichtbar! Teile deine Projekte und Erfolge in sozialen Medien oder auf Plattformen wie GitHub. Das zeigt potenziellen Arbeitgebern, dass du aktiv in der Community bist und deine Fähigkeiten kontinuierlich weiterentwickelst.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Lead MLOps Engineer
Tipps für deine Bewerbung 🫡
Sei du selbst!: Wenn du deine Bewerbung schreibst, sei authentisch und zeig uns, wer du wirklich bist. Wir suchen nach Menschen, die nicht nur die richtigen Fähigkeiten haben, sondern auch gut ins Team passen.
Betone deine Erfahrungen: Erzähle uns von deinen bisherigen Projekten im MLOps-Bereich und wie du ML-Modelle erfolgreich in die Produktion gebracht hast. Zeig uns, dass du die Herausforderungen kennst und Lösungen findest!
Sprich unsere Sprache: Nutze Begriffe und Konzepte aus der Stellenbeschreibung, um zu zeigen, dass du die Anforderungen verstehst. Das hilft uns, dich besser einzuordnen und zu sehen, dass du genau weißt, worauf es ankommt.
Bewirb dich über unsere Website: Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie schnell bei uns landet und wir dich zeitnah kontaktieren können!
Wie du dich auf ein Vorstellungsgespräch bei DeepRec.ai vorbereitest
✨Verstehe die MLOps-Pipeline
Mach dich mit den spezifischen MLOps-Pipelines vertraut, die in der Branche verwendet werden. Sei bereit, über deine Erfahrungen beim Deployment von Modellen zu sprechen und wie du Herausforderungen gemeistert hast. Zeige, dass du die gesamte Pipeline vom Training bis zur Produktion verstehst.
✨GCP-Kenntnisse demonstrieren
Da GCP eine zentrale Rolle spielt, solltest du konkrete Beispiele für Projekte oder Aufgaben parat haben, bei denen du GCP genutzt hast. Erkläre, wie du Modelle skaliert und stabilisiert hast, um sicherzustellen, dass sie zuverlässig laufen.
✨Kommunikation mit Stakeholdern
Bereite dich darauf vor, über deine Erfahrungen im Umgang mit technischen und nicht-technischen Stakeholdern zu sprechen. Zeige, dass du in der Lage bist, komplexe technische Konzepte einfach zu erklären und wie du sicherstellst, dass alle Beteiligten auf dem gleichen Stand sind.
✨Langfristige Projektperspektive
Betone dein Interesse an langfristigen Projekten und wie du kontinuierliche Verbesserungen in bestehenden Systemen umsetzen möchtest. Zeige, dass du nicht nur an der Implementierung interessiert bist, sondern auch an der langfristigen Wartung und Optimierung der Systeme.