Machine Learning Operations (MLOps) Engineer.

Overzicht

De MLOps Engineer is wie je wilt hebben als het prototype werkt maar het productieverhaal nog op een whiteboard staat. Maakt van experimenten systemen die een echt gebruikersbestand, een echte rekening en een echte storing overleven. Pakt het gat tussen data science en engineering aan en dicht het.

MLOps Engineers van Radical zijn getoetst via APAC, dus de afwegingen rond observability, kosten en releaseritme komen met een staat van dienst. Ze zijn thuis op de grens tussen platform-, data- en ML-teams en kunnen de juiste afweging onderbouwen zonder een van beide kanten kwijt te raken.

Past het best bij organisaties waar modellen bestaan maar uitrollen traag, duur of fragiel is. Engineeringteams die harder groeien dan hun ML-infrastructuur. Bedrijven die zich voorbereiden op de AI Act en governance in de pijplijn willen inbouwen in plaats van er achteraf aan vast te schroeven.

Wat deze rol doet

1. 01
   Bouwt en beheert CI/CD voor modellen, features en prompts
2. 02
   Is eigenaar van observability: metrics, tracing, datakwaliteit en driftdetectie
3. 03
   Ontwerpt hertrainings- en terugrolstrategieën die passen bij het risicoprofiel van het product
4. 04
   Automatiseert de saaie delen van de levenscyclus, zodat het team aan de lastige delen kan werken
5. 05
   Adviseert over cloudkosten en capaciteit voordat de rekening een verrassing wordt

Vaardigheden en ervaring waar we op letten

Gebruikelijke samenwerkingsvormen

De beste AI-professionals zitten niet op Toptal en staan niet op LinkedIn met Open To Work. Die zijn al aan het bouwen. Wij kennen ze, en wij weten hoe we ze bereiken, omdat we al jaren in deze gemeenschap zitten.