Auf einen Blick
AI/ML Engineer Manager zur Führung eines spezialisierten Teams, das Machine Learning Models as a Service für das Department of Defense entwickelt und produktiviert.
💰 ~$180.000–240.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Vor Ort
🗺️ EMEA
- 8+ Jahre ML-Erfahrung
- 3+ Jahre technische Führung
- MLOps-Expertise
Machine Learning
MLOps
Python
TensorFlow
PyTorch
AWS
Kubernetes
CI/CD
Gehalt geschätzt anhand Senior Manager AI/ML in Federal Contracting with Team Leadership (Arlington, VA). Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML-Experten mit Team-Führungserfahrung
- Kandidaten mit MaaS/Platform-Erfahrung
🚫 Weniger geeignet
- Rein technische IC-Positionen suchende Kandidaten
- Kandidaten ohne Clearance
💡 Gut zu wissen
- TS oder TS/SCI Clearance erforderlich
- US-Citizenship (keine Doppelstaatsbürgerschaft)
- Strategic + Hands-on Rolle
- DoD MLaaS Focus
Über das Unternehmen
Accenture Federal Services unterstützt das US Department of Defense mit AI/ML-Plattformen. Die Rolle ist strategisch und hands-on.
Deine Aufgaben
- Hochperformantes Team von ML-Modelling-Entwicklern und MLOps-Ingenieuren führen, mentorieren und verwalten
- Technische Strategie für die MaaS-Plattform definieren und ausführen
- Design, Entwicklung und Deployment von vielfältigem ML-Modell-Portfolio überwachen
- Robuste MLOps-Praktiken etablieren für automatisierte, zuverlässige CI/CD-Pipelines
- Service-Layer für MaaS-Plattform entwerfen, um Modelle über sichere APIs bereitzustellen
- Mit Data Scientists, Data Engineers und Mission Stakeholders zusammenarbeiten
- Governance, Sicherheit und ethische AI-Standards im gesamten Model-Lifecycle implementieren
Deine Voraussetzungen
- 8+ Jahre Erfahrung in Data Science oder Machine Learning Engineering, davon 3+ Jahre in technischer Führungs- oder Management-Rolle
- Tiefe Expertise in Entwicklung und Deployment von ML-Modellen mit TensorFlow, PyTorch, Scikit-Learn
- Bewährte Erfahrung in Aufbau und Wartung produktiver ML-Systeme in Cloud-Umgebungen (AWS, Azure, GCP)
- Starkes Verständnis von MLOps-Prinzipien und hands-on Erfahrung mit MLflow, Kubeflow, AWS SageMaker, Azure ML
- Proficiency mit Docker, Kubernetes und CI/CD-Tools
- Python-Programmierfähigkeiten und Software-Engineering-Best-Practices
- US-Citizenship (keine Doppelstaatsbürgerschaft)
- Aktive TS oder TS/SCI Clearance erforderlich
