Gesamtverantwortung für die ML-Strategie der Practice Applied AI (Architektur, Standards, Qualität) - Design und Betrieb unternehmenskritischer ML-Systeme (skalierbare Inferenz, Multi-Modell-Architekturen, Enterprise-AI-Plattformen)
1
Hill-climb in large-scale training: Conduct large-scale LLM training runs, analyze evaluation scores in depth, propose hypotheses for improvement and directly implement them in order to maximize performance on our benchmarks
2
Du hast ein abgeschlossenes Studium der Informatik, Mathematik oder eine vergleichbare Qualifikation - Du verfügst über mehrjährige Berufserfahrung in der Softwareentwicklung, insbesondere im Bereich KI, Machine Learning und Data Science - Du hast fundierte Kenntnisse in Programmiersprachen wie Python oder Java
3
In dieser Rolle stellen Sie den stabilen, skalierbaren Betrieb moderner ML- und GenAI-Systeme sicher und bauen eine durchgängige Delivery-Kette von der Entwicklung bis zur produktiven Nutzung auf. Aufbau und Betrieb von CI/CD/CT-Pipelines für Machine-Learning-Modelle und GenAI-Anwendungen (inkl. Prompt-Workflows)
4
The efficient deployment of complex neural networks on modern edge and embedded hardware presents a key challenge. Here, unique opportunities await you to overcome this bottleneck and actively shape the future of AI deployment
5
Completed degree in computer science, business informatics or comparable qualification - Experience in building or operating cloud, platform or infrastructure systems … Experience with MLOps/LLMOps, productive AI systems, serving, evaluation and monitoring
6
Du planst und implementierst Datenplattformen und KI-Workloads in privaten und ggf … Ein abgeschlossenes Studium in Informatik, Machine Learning, Data Science, Ingenieurwesen oder eine durch Berufserfahrung erworbene, vergleichbare Qualifikation
7
Abgeschlossenes Studium im Bereich Informatik, Wirtschaftsinformatik, einer technischen Fachrichtung oder vergleichbare Qualifikation … Praxiskenntnisse im Bereich MLOps oder LLMOps, insbesondere hinsichtlich Modellbereitstellung, Monitoring und Lifecycle-Management
8
Ulm - Vollzeit - Festanstellung - Anschreiben nicht erforderlich - Schnelle Bewerbung - Berufserfahren - Your area of responsibility … Implementierung und Weiterentwicklung von MLOps- und LLMOps-Prozessen über den gesamten Modelllebenszyklus hinweg
9
Anforderungsklärung & Datenaufnahme (Use Cases, typische Kennzahlen, verfügbare App Outputs) - Literatur-Recherche über das Thema - Stakeholder-Befragung zur Erfassung der Anforderungen - Kriterien & Qualitätslogik festlegen (Formulierung von Bewertungskriterien, Definition der Ampel/Score
10