Auf einen Blick
Machine Learning Engineer gesucht für End-to-End ML-Lösungen in einem Healthcare-Tech-Unternehmen. Sie entwickeln Modelle, implementieren MLOps-Frameworks und überwachen Production-Leistung mit Python, Spark und modernen ML-Tools.
💰 $130.000–200.000/Jahr
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- 3+ Jahre ML Development in Production
- MLOps Framework Implementierung
- Python und SQL Proficiency
- Verteilte Compute-Systeme
Python
Machine Learning
MLOps
SQL
Spark
✅ Geeignet für
- ML Engineers mit MLOps Hintergrund
- Python-Entwickler, die Production ML aufbauen möchten
- Data Scientists mit Software Engineering Best Practices
🚫 Weniger geeignet
- Reine Data Scientists ohne Production Deployment
- Anfänger ohne MLOps-Erfahrung
- Entwickler ohne Python/SQL Proficiency
💡 Gut zu wissen
- MLOps ist zentral-nicht nur Model Building
- Erwartet wird Hands-on Debugging von Production-Modellen
- Healthcare-Compliance und Monitoring sind wichtig
Über das Unternehmen
Interwell Health ist ein Unternehmen für Nierenpflege-Management, das mit Ärzten zusammenarbeitet, um das Gesundheitswesen neu zu gestalten.
Deine Aufgaben
- Entwicklung und Bereitstellung von End-to-End-Machine-Learning-Lösungen, einschließlich technischer Anforderungen, Systemarchitektur und Überwachungs-Workflows
- Zusammenarbeit mit Ingenieuren, Produktmanagern, Klinikern und funktionsübergreifenden Partnern beim Aufbau neuer ML-Produkte
- Design und Implementierung von MLOps-Frameworks, CI/CD-Integration, Drift-Erkennung und Retraining-Workflows
- Überwachung der Modellleistung in Production, Identifikation von Problemen und Durchführung von Abhilfemaßnahmen
- Verwendung moderner Software-Engineering-Praktiken für skalierbare, sichere und wartbare ML-Systeme
- Entwicklung und Anpassung von API-Integrationen für Cloud-basierte ML-Services
Deine Voraussetzungen
- Bachelor-Abschluss in Informatik, Datenwissenschaft oder verwandtem Bereich
- 3+ Jahre End-to-End ML-Development in Production mit Feature Engineering, Modeling und Deployment
- 3+ Jahre MLOps-Erfahrung mit CI/CD, Model Registry und Feature Store
- 3+ Jahre Python für Production ML mit Testing, Packaging und Type Hints
- 2+ Jahre Arbeit mit verteilten Compute und Cloud ML-Umgebungen (Spark/Databricks/Azure/AWS)
- Starke Debugging- und Optimierungskompetenzen
