MLOps Consolidation and Deployment Enablement Expert (m/w/d) (Bioinformatiker/in)

Über Randstad

Randstad ist eines der weltweit führenden Talentunternehmen mit dem Ziel, das gerechteste und spezialisierteste Talentunternehmen der Welt zu sein. Durch unsere Unternehmensstrategie "Partner for Talent" finden, entwickeln und verbinden wir spezialisierte Talente mit Unternehmen – weltweit, lokal und immer mit hoher Geschwindigkeit. Wir bauen hochwertige, vielfältige und agile Teams auf, während Einzelpersonen einen lohnenden Karriereweg mit fairen Chancen genießen können.

Randstad Professional ist eine der vier Spezialisierungen von Randstad und konzentriert sich auf die Vermittlung von Fach- und Führungskräften in den zukunftsorientierten Sektoren IT, Engineering, Life Science und Office.

Ihre Aufgaben

Wir suchen einen hochqualifizierten MLOps Engineer, der unser dynamisches Team von 13 Experten bei einer vollständig remote durchgeführten Mission unterstützt. In dieser Rolle spielen Sie eine entscheidende Rolle bei der Optimierung unserer KI-Infrastruktur für die fortgeschrittene wissenschaftliche Forschung. Ihr Fokus liegt auf der Standardisierung, Skalierung und Optimierung der Bereitstellung von Machine-Learning-Modellen aus unserem neu konsolidierten Modell-Registry in verschiedene interne Produktionsumgebungen.

Hauptaufgaben

• Standardisierung: Standardisierung und Ermöglichung der Bereitstellung von Machine-Learning-Modellen aus dem konsolidierten Modell-Registry auf eine Vielzahl interner Bereitstellungsziele und Frameworks auf sichere und skalierbare Weise.
• Entwicklung von Deployment-Pipelines: Entwurf, Implementierung und Dokumentation robuster, wiederholbarer Pipelines für die Bereitstellung von Modellen.
• Integration von Deployment-Zielen: Aufbau und Sicherstellung der Konnektivität und Bereitstellungsfähigkeiten für verschiedene Zielumgebungen, einschließlich Orbital Pipelines und Kubeflow/KServe.
• Framework-Anpassung: Entwicklung und Pflege notwendiger Wrapper, SDK-Erweiterungen und Konfigurationsvorlagen, um sicherzustellen, dass Modelle (z. B. TensorFlow, PyTorch, Scikit-learn) korrekt verpackt und bereitgestellt werden können.
• Standardisierung: Zusammenarbeit mit dem AIE MLOps-Kernteam zur Definition von Best Practices, Tools und Standards für Modell-Serving-Konfigurationen, Monitoring-Hooks und Endpoint-Health-Checks.
• Dokumentation & Wissenstransfer: Erstellung umfassender technischer Dokumentationen, Runbooks und Durchführung von Schulungen für das interne MLOps-Team.
• Fehlerbehebung: Lösung technischer Herausforderungen in Bezug auf Modellverpackung, Bereitstellungsfehler, Latenzprobleme und Framework-Kompatibilität.

Anforderungen

Must Haves

• Abgeschlossenes Bachelor- oder Masterstudium.
• Standort: Vollständig remote möglich.
• Sprachen: Nur Englisch erforderlich; kein Deutsch notwendig.
• Mindestens 8 Jahre relevante Berufserfahrung.
• Praktische Erfahrung mit Modell-Registries (bevorzugt "Weights and Biases").
• Fortgeschrittene Python-Kenntnisse sowie Vertrautheit mit Shell-Scripting.
• Expertenkenntnisse in Docker und Container-Orchestrierung (bevorzugt Kubernetes).
• Nachgewiesene Fähigkeit zur Implementierung und Optimierung von hochverfügbaren Modell-Serving-Lösungen (REST APIs, gRPC).

Nice to Haves

• Tiefe praktische Erfahrung mit: Kubeflow, KServe, Dagster.
• Starke Erfahrung mit CI/CD-Tools (z. B. Jenkins, GitLab CI, ArgoCD) und Pipeline-Automatisierung.
• Erfahrung in Cloud-Umgebungen (bevorzugt AWS) und Infrastructure-as-Code-Prinzipien (z. B. Terraform).

Was wir bieten

• Attraktives Gehalt und langfristige Jobsicherheit durch Konzernzugehörigkeit.
• Bis zu 30 Tage Urlaub pro Jahr.
• Zuschuss zur betrieblichen Altersvorsorge nach Probezeitende.
• Umfangreiche Sozialleistungen, inklusive Weihnachts- und Urlaubsgeld.
• Erstattung von Fahrtkosten.
• In der Regel einen unbefristeten Arbeitsvertrag.
• Gute Übernahmechancen bei unseren Geschäftspartnern.
• Zugeschnittene Weiterbildungsmöglichkeiten und kostenlose Sprachkurse.
• Ein großes Angebot an Mitarbeitervergünstigungen.