Auf einen Blick
Unabhängige Risiko-Bewertung von KI/ML-Infrastruktur und Datenplattformen, mit Fokus auf Sicherheit, Zuverlässigkeit und Governance.
💰 ~$85.000–130.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- Python und SQL Expertise
- MLOps und CI/CD Verständnis
- Cloud-Plattformen (AWS, GCP, Azure)
- Data Governance Kenntnisse
Python
SQL
Data Governance
Risk Assessment
Gehalt geschätzt anhand Mid-level ML infrastructure and data risk specialist at fintech. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Scientists mit Risk-Fokus
- ML-Engineers mit Governance-Interesse
- Sicherheits-fokussierte Techniker
🚫 Weniger geeignet
- Keine Python/SQL-Expertise
- Keine MLOps-Erfahrung
- Wenig Interesse an Governance und Compliance
💡 Gut zu wissen
- Dies ist eine Second-Line-Funktion mit unabhängiger Überprüfungssicht
- KI-Risiko-Management ist stark regulatorisch geprägt
- Cloud-Plattformkenntnisse sind für Infrastruktur-Assessment essentiell
Über das Unternehmen
Nu ist die führende Digitalbank in Lateinamerika mit 140 Millionen Kunden in Brasilien, Mexiko und Kolumbien. Das Unternehmen nutzt Daten und proprietäre Technologie zur Entwicklung innovativer Finanzprodukte.
Deine Aufgaben
- Unabhängige Überprüfung der Daten- und Infrastruktur-Umgebungen für KI/ML-Modelle durchführen
- Risiken über den gesamten Modell-Lebenszyklus bewerten: Feature Engineering, Feature Stores, CI/CD für Modelle, Deployment-Plattformen
- Daten-Governance-Praktiken evaluieren und Lücken identifizieren
- Infrastruktur- und Datenrisiken proaktiv erkennen und eskalieren
- Controls und Validierungspraxen für Modell- und Datenentwicklung etablieren
- Key Risk Indicators (KRIs) für Infrastruktur- und Datenrisiken definieren
- Tools, Analysen und Playbooks für Risikomanagement entwickeln und verbessern
Deine Voraussetzungen
- Bachelor-Abschluss in Informatik, Data Science, Statistik, Mathematik oder verwandtem Feld
- Starke Programmierkenntnisse: Python und SQL
- MLOps-Praktiken, CI/CD-Pipelines, Feature Stores, Cloud-ML-Plattformen (AWS, GCP, Azure)
- Kenntnisse in Containerisierung (Docker) und Orchestrierung (Kubernetes)
- Daten-Governance und Compliance-Erfahrung
