MLOps Engineer — Reproducible AI Pipelines

MLOps Engineer — Reproducible AI Pipelines

Lausanne Vollzeit 63000 - 77000 € / Jahr (geschätzt) Kein Homeoffice möglich
H

Auf einen Blick

  • Aufgaben: Entwickle und verwalte ML-Pipelines für autonome Verteidigungssysteme.
  • Unternehmen: Harmattan AI, ein innovatives Unternehmen im Bereich KI und Verteidigung.
  • Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Arbeiten in einem dynamischen Umfeld in Lausanne, Paris oder Zürich.
  • Warum dieser Job: Gestalte die Zukunft der Verteidigung mit modernster Technologie und echten Auswirkungen.
  • Qualifikationen: Erfahrung in MLOps und Kenntnisse in CI/CD-Prozessen.

Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.

Harmattan AI is expanding its ML operations team to deliver autonomous defense systems.

The MLOps Engineer will own training and evaluation pipelines, CI/CD for ML, experiment tracking, and a centralized model registry, enabling modelers to focus on modeling instead of infrastructure.

Uplifting pipelines from manual processes to controlled, repeatable workflows in a fast-paced defense context.

Roles available in Lausanne, Paris, or Zurich to support a secure, scalable autonomy stack. #J-18808-Ljbffr

MLOps Engineer — Reproducible AI Pipelines Arbeitgeber: Harmattan AI

Harmattan AI ist ein hervorragender Arbeitgeber, der in der malerischen Schweiz ansässig ist und eine inspirierende Arbeitsumgebung bietet. Mit einem starken Fokus auf Teamarbeit und kontinuierlicher Weiterbildung fördert das Unternehmen die persönliche und berufliche Entwicklung seiner Mitarbeiter. Die Möglichkeit, an innovativen Projekten im Bereich autonomer Verteidigungssysteme zu arbeiten, macht diese Position besonders attraktiv für Fachkräfte, die einen bedeutenden Beitrag leisten möchten.

H

Kontaktdaten:

Harmattan AI Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um MLOps Engineer — Reproducible AI Pipelines mit Bravour zu bestehen

MLOps
CI/CD für ML
Experiment Tracking
Zentralisiertes Modell-Registry
Pipeline-Management
Automatisierung von Workflows
Sichere und skalierbare Systeme