ML Ops Engineer

ÜBER UNS Harmattan AI ist ein Verteidigungsunternehmen der nächsten Generation, das autonome und skalierbare Verteidigungssysteme entwickelt. Nach dem Abschluss einer 200M $ Series B, die das Unternehmen mit 1,4 Milliarden $ bewertet, erweitern wir unsere Teams und Kapazitäten, um missionskritische Systeme für verbündete Streitkräfte bereitzustellen. Unsere Arbeit wird von klaren Werten geleitet: Technologien mit realer Wirkung zu entwickeln, Exzellenz in allem, was wir tun, anzustreben, ehrgeizige Ziele zu setzen und die schwierigsten technischen Herausforderungen anzunehmen. Wir arbeiten in einem anspruchsvollen Umfeld, in dem Strenge, Eigenverantwortung und Umsetzung erwartet werden. ÜBER DIE ROLLE Unsere ML-Teams bauen und optimieren die Modelle, die das Herzstück unseres Autonomie-Stacks bilden. Wenn ein Team wächst, muss der Workflow, auf dem die Modelle laufen, von einem manuellen, organisch gewachsenen Setup auf eine kontrollierte, automatisierte und reproduzierbare Basis überführt werden. Als MLOps Engineer, tätig in Paris, Lausanne oder Zurich, werden Sie diese Maschinerie verantworten – über Trainings- und Evaluierungs-Pipelines, CI, Experiment-Tracking und Reproduzierbarkeit hinweg –, damit Modelle auf kontrollierte und wiederholbare Weise trainiert, benchmarkt und verglichen werden. Sie befreien die Modeler, sich auf Modelle statt auf die Infrastruktur zu konzentrieren, und Sie setzen den Standard, auf dem das Team aufbaut. VERANTWORTLICHKEITEN - Trainings- & Evaluierungs-Pipelines: Aufbau und Wartung der reproduzierbaren Trainings- und Evaluierungs-Pipelines, auf denen die Modeler arbeiten, zusammen mit den Pipeline-Templates und Werkzeugen, auf denen sie aufbauen. Die Entscheidung über die Modellqualität verbleibt bei den Modelern. - CI & Reproduzierbarkeit: CI in die ML-Arbeit bringen und sicherstellen, dass Durchläufe über Code, Konfiguration und Modelle hinweg tatsächlich vergleichbar sind. - Model Registry: Verwaltung eines Model-Lifecycle-Registry, von der Sandbox bis zur Produktion. - Experiment Tracking & Logging: Ergebnisse für das gesamte Team vergleichbar und nachvollziehbar halten. - Testautomatisierung: Unterstützung bei der Integration von On-Device- und Hardware-in-the-Loop-Testläufen in die Automatisierung und der Erfassung der Ergebnisse. ANFORDERUNGEN AN DEN KANDIDATEN - Ausbildung: Ein Abschluss in einem MINT-Fach oder gleichwertige praktische Erfahrung. Praktische Erfahrung mit Pipelines, CI und Reproduzierbarkeit ist wichtiger als der spezifische Abschluss. - MLOps-Erfahrung: Aufbau und Wartung von ML-Pipelines, CI und Experiment-Tracking in einem echten Produktions- oder Forschungsumfeld, idealerweise durch die Umwandlung eines manuellen Ablaufs in einen kontrollierten und reproduzierbaren. - Engineering: Stark in Python und Software Engineering für die Infrastruktur. - Bonus: Erfahrung in der Anbindung von Pipelines an On-Device- oder Hardware-in-the-Loop-Tests. - Eigenschaften: Systematisch, zuverlässigkeitsorientiert und serviceorientiert, um das Team zu unterstützen, pragmatisch und gut darin, Reibungsverluste zu reduzieren. - Engagement: 100%ige Hingabe an die Mission von Harmattan AI, verbündeten Nationen durch ethische, hochwirksame Technologie einen Verteidigungsvorteil zu verschaffen. Wir freuen uns darauf zu hören, wie Sie helfen können, die Zukunft autonomer Verteidigungssysteme bei Harmattan AI zu gestalten.