Machine Learning SME

Bengaluru | Karnataka | India • Vor Ort • Mid-Level • 05.10.2026
Data Engineer Data Science
Auf einen Blick

Führen Sie MLOps und Machine-Learning-Lösungen über den kompletten Lifecycle. Sie designen Production-Grade ML Pipelines, arbeiten mit AWS SageMaker und Bedrock, und kombinieren technische Expertise mit Team Leadership.

💰 INR 1.000.000–2.000.000/Jahr 📊 Senior 🕒 Vollzeit 🗺️ APAC
  • 6+ Jahre ML/MLOps Experience
  • AWS SageMaker mandatory
  • AWS Bedrock mandatory
  • Production ML Pipelines
MLOps Machine Learning Python AWS SageMaker AWS Bedrock Model Deployment CI/CD Team Leadership

Angegeben: INR 1.000.000–2.000.000/Jahr · Marktschätzung: ~INR 1.000.000–2.000.000/Jahr.

✅ Geeignet für
  • Senior ML/MLOps Engineers mit AWS Expertise
  • Technische Leads, die Teams führen möchten
  • Profis mit Production ML Experience
🚫 Weniger geeignet
  • ML Engineers ohne 6+ Jahre Senior-Erfahrung
  • Kandidaten ohne AWS SageMaker/Bedrock
  • Profis ohne Python Production Engineering
💡 Gut zu wissen
  • AWS SageMaker und Bedrock sind Pflicht
  • Team Leadership und Mentoring erwartet
  • Production ML und Scalability Essential
  • 6+ Jahre Post-Grad-Erfahrung erforderlich

Über das Unternehmen

Weekday vermittelt diese Rolle für einen Klienten. Sie führen MLOps und Machine-Learning-Lösungen über den kompletten ML-Lifecycle.

Deine Aufgaben

  • Design und Implementierung von End-to-End-MLOps-Pipelines
  • Entwicklung und Produktionalisierung von Machine-Learning-Lösungen mit Python
  • Aufbau skalierbarer ML-Workflows mit AWS SageMaker
  • Nutzung von AWS Bedrock für AI- und Foundation-Model-Lösungen
  • Deployment von ML-Modellen in Production-Environments
  • Implementierung von Model Monitoring, Drift Detection und Alerting
  • Entwicklung automatisierter Workflows für Training und Retraining
  • Zusammenarbeit mit Data Scientists, Engineers und Product Teams
  • Technische Anleitung und Mentoring für Teams

Deine Voraussetzungen

  • 6+ Jahre Experience in Machine Learning, MLOps, ML Engineering oder verwandten Feldern
  • Starke Hands-on-Expertise in End-to-End-MLOps und Machine Learning
  • Advanced Proficiency in Python für ML und Production Engineering
  • Mandatory: Hands-on Experience mit AWS SageMaker
  • Mandatory: Experience mit AWS Bedrock und Foundation-Model/GenAI Solutions
  • Starkes Understanding von ML-Model-Development, Deployment und Lifecycle Management
  • Experience mit Production-Grade ML Pipelines und Automated Model Deployment
  • Cloud Infrastructure, CI/CD, Containers und Scalable Architecture Understanding
  • Model Monitoring, Observability und Reliability Practices Experience