Auf einen Blick
Staff MLOps Engineer für Production ML Systems in Healthcare. Verantwortung für Reliability, Performance und Cost-Efficiency. Architecture von ML Platform, CI/CD, Feature Store und Model Registry erforderlich.
💰 ~$220.000–300.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Hybrid
🗺️ Americas
- 7+ Jahre Software Engineering mit Production ML
- Modern ML Production Stack Experience
- Infrastructure & Platform Engineering
- ML Platform Architecture
MLOps
Kubernetes
Model Serving
AWS
CI/CD
Gehalt geschätzt anhand Staff MLOps Engineer mit 7+ Jahren, Production ML Systems Focus. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior SWE mit ML Ops Transition
- Platform Engineer mit ML Interest
- DevOps Engineer mit Data/ML Background
🚫 Weniger geeignet
- Pure Data Scientist ohne DevOps/Platform Background
- Junior/Mid-Level Engineer ohne Staff-Level Track Record
- Cloud-Only fokussierte Engineer ohne ML Production Experience
💡 Gut zu wissen
- NYC Financial District, 3 Tage/Woche obligatorisch: Tue-Thu
- High-Stakes Healthcare Systems erfordern Reliability Excellence
- Foundation für wachsendes MLOps Team; Leadership Skills helfen
Über das Unternehmen
Garner transformiert das US-amerikanische Gesundheitssystem durch KI-gestützte Algorithmen. Das Unternehmen nutzt 550+ proprietäre klinische Metriken und einen Datensatz von 320+ Millionen Patienten zur Optimierung der Versorgung.
Deine Aufgaben
- Ownership der Reliability, Performance, Functionality und Cost-Efficiency von Garners Production ML Systems
- Establishment von SLOs, Observability und On-Call Responsibilities
- Architecture von Garners ML Platform inklusive Data Infrastructure, Feature Store, Model Registry und CI/CD für Models
- Implementation von ML-spezifischen CI/CD Pipelines mit Automated Data Quality Checks
- Drive down von Cost und Latency durch verbesserte Architecture und Model Optimization
- Establishment von Drift Monitoring und Automated Alerts
- Foundation für Future MLOps Team mit Workflows und Standards
Deine Voraussetzungen
- 7+ Jahre Software Engineering Experience mit Production ML/Data-Intensive Systems
- Deep Experience mit Modern ML Production Stack
- Strong Infrastructure und Platform Engineering Fundamentals (Kubernetes, Cloud, Terraform)
- Experience in Designing ML Platforms oder bedeutender Komponenten
- Strong Collaboration mit ML, Data, Platform Engineers und Data Scientists
- Healthcare oder Regulated-Data Erfahrung ist Plus
