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