Auf einen Blick
Du entwickelst MLOps-Frameworks und KI/ML-Lösungen für die US-Bundesregierung als Cleared AI/ML Engineer bei Accenture Federal Services. Du wirst benutzerdefinierte Algorithmen implementieren, ML-Modelle in Production bereitstellen und Cross-Functional-Teams bei der Integration von KI in Mission-kritische Anwendungen unterstützen.
💰 ~$95.000–145.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ EMEA
- Machine Learning Foundations
- Python oder Scala Programmierung
- MLOps Konzepte
- Datenverarbeitung
MLOps
Gehalt geschätzt anhand Cleared AI/ML Engineer mit MLOps und Federal-Erfahrung, Washington DC. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Machine Learning Engineers mit Production-Erfahrung
- AI/ML-Spezialistinnen und Spezialisten mit Federal Background
- Data Engineers mit MLOps-Fokus
🚫 Weniger geeignet
- Anfänger ohne praktische ML-Projekte
- Rollenträger ohne Clearance und kein Interesse
- Frontend- oder Datenbankspezialisten
💡 Gut zu wissen
- Clearance erforderlich (Sicherheitsfreigabe notwendig)
- Fokus auf Mission-kritische Anwendungen
- Washington, DC Standort
- Federal Security-Anforderungen und Compliance
Über das Unternehmen
Accenture Federal Services ist eine Technologie-Gesellschaft innerhalb von Accenture mit über 13.000 Mitarbeiterinnen und Mitarbeitern, die die US-Bundesregierung bei nationaler Sicherheit, Verteidigung und öffentlicher Sicherheit unterstützen.
Deine Aufgaben
- MLOps-Frameworks und Workflows für verschiedene Domänen und Anwendungen entwickeln
- ML-Modelle und Datenprozesse in Production-Umgebungen bereitstellen, beibehalten und optimieren
- Benutzerdefinierte KI/ML-Algorithmen entwickeln, die Mission-Wert generieren
- Experimente durchführen, Modellperformance evaluieren und Algorithmen feinabstimmen
- Cross-Functional-Teams bei der Integration von KI/ML-Modellen in Produkte und Dienste zusammenbringen
Deine Voraussetzungen
- Solid Foundations in Machine Learning (ein Bachelor oder ein Kurs in statistischem Lernen, lineare Algebra, Calculus)
- Programmiererfahrung in Python oder Scala mit praktischen ML-Projekten
- Vertrautheit mit Datenverarbeitung und Visualisierungstools
- Verständnis von MLOps-Konzepten und Praktiken
- Kommunikationsfähigkeiten und Fähigkeit, technische Konzepte zu erklären
