Beschreibung
Aufgaben:
• Bereitstellung von Werkzeugen für die Entwicklung von Artificial Intelligence End-to-End Lösungen auf verteilten Systemen
• Installation und Wartung von Open-Source Werkzeugen auf verteilten Systemen
• Enge Zusammenarbeit mit MLOps Engineers, Data Engineers und Data Scientists
• Auswahl von Architekturkomponenten und verwendeten Systemen
• Erarbeitung von Architektur und Entwickler-Vorgaben für verwendete Systeme und Tools
• Umsetzung von Infrastructure-as-Code, GitOps und MLOps Projekten
• Konzeption und Umsetzung von MLOps Architekturen, Kenntnisse von gängigen Tools wie Airflow, Kubeflow, MLFlow, Pytorch, Apache NIFI
Ihr Profil:
• Sehr gute Linux Kenntnisse (RHEL, Ubuntu)
• Erfahrung mit Kubernetes/Openshift, Docker, Podman bzw. generell mit Containerization-Technoloien
• Erfahrung mit ML frameworks wie TensorFlow / PyTorch / Scikit-learn
• Erfahrung mit machine learning development tools (Jupyter Notebooks)
• Erfahrung mit Python (must have), R/Julia/Java/C++
• Erfahrung mit SCM/CICD tools wie Git (Gitlab / Gitlab-CI) (must have)
• Erfahrung mit Repository-Management-Systemen wie Nexus/Artifactory (must have)
• Kenntnisse in Versionierten Storage Anbindungen (S3 – MinIO)
• Kenntnisse zu Netzwerken und Security
• Verständnis der Anforderungen von AI Use Cases für Architektur, technische Infrastruktur, Datenhaltung, Computing-Performance und Produktivsetzung von Maschine Learning und Deep-Learning Anwendungen
• Ausgeprägte Analysefähigkeit
• Professionelle Kommunikation und Koordination
• Eigenständiges Arbeiten und Einsatzbereitschaft
MUST have:
• Deutsch (C1-C2) & Englisch (B2)
• EU-Staatsbürgerschaft
Eckdaten:
Der Endkunde ist im Öffentlichen Bereich tätig.
Vollauslastung, (ca. 3 Tage vor Ort / wöchentlich) + (EU) remote Anteil => hybrid
Start: ASAP - längerfristig ++
Ort: Wien (1090)
Gleitzeit mit Kernzeiten (10-15Uhr)
• Bereitstellung von Werkzeugen für die Entwicklung von Artificial Intelligence End-to-End Lösungen auf verteilten Systemen
• Installation und Wartung von Open-Source Werkzeugen auf verteilten Systemen
• Enge Zusammenarbeit mit MLOps Engineers, Data Engineers und Data Scientists
• Auswahl von Architekturkomponenten und verwendeten Systemen
• Erarbeitung von Architektur und Entwickler-Vorgaben für verwendete Systeme und Tools
• Umsetzung von Infrastructure-as-Code, GitOps und MLOps Projekten
• Konzeption und Umsetzung von MLOps Architekturen, Kenntnisse von gängigen Tools wie Airflow, Kubeflow, MLFlow, Pytorch, Apache NIFI
Ihr Profil:
• Sehr gute Linux Kenntnisse (RHEL, Ubuntu)
• Erfahrung mit Kubernetes/Openshift, Docker, Podman bzw. generell mit Containerization-Technoloien
• Erfahrung mit ML frameworks wie TensorFlow / PyTorch / Scikit-learn
• Erfahrung mit machine learning development tools (Jupyter Notebooks)
• Erfahrung mit Python (must have), R/Julia/Java/C++
• Erfahrung mit SCM/CICD tools wie Git (Gitlab / Gitlab-CI) (must have)
• Erfahrung mit Repository-Management-Systemen wie Nexus/Artifactory (must have)
• Kenntnisse in Versionierten Storage Anbindungen (S3 – MinIO)
• Kenntnisse zu Netzwerken und Security
• Verständnis der Anforderungen von AI Use Cases für Architektur, technische Infrastruktur, Datenhaltung, Computing-Performance und Produktivsetzung von Maschine Learning und Deep-Learning Anwendungen
• Ausgeprägte Analysefähigkeit
• Professionelle Kommunikation und Koordination
• Eigenständiges Arbeiten und Einsatzbereitschaft
MUST have:
• Deutsch (C1-C2) & Englisch (B2)
• EU-Staatsbürgerschaft
Eckdaten:
Der Endkunde ist im Öffentlichen Bereich tätig.
Vollauslastung, (ca. 3 Tage vor Ort / wöchentlich) + (EU) remote Anteil => hybrid
Start: ASAP - längerfristig ++
Ort: Wien (1090)
Gleitzeit mit Kernzeiten (10-15Uhr)