Berlin
Senior ML Ops (x/f/m)
externe stelle · quelle: Greenhouse Job Board · zuletzt geprüft 20.10.2026
der job in 20 sekunden
Senior ML Ops · Senior
Doctolib sucht Senior ML Ops in Berlin, hybrid. In der Rolle bringst du Machine-Learning- und KI-Modelle zuverlässig in die Produktion. Eckdaten: Rufbereitschaft. Gefragt sind vor allem MLOps, Machine Learning und Python. Fachlicher Schwerpunkt: KI-Produkte & ML-Plattformen und Mobility & Automotive-Software.
Wen sucht Doctolib wirklich?
Gesucht wird eine Person mit fundierter Erfahrung im ML- und AI-Engineering, die MLOps, Machine Learning, Python und Bash sicher beherrscht.
Kernaufgaben
- 01Partner with data scientists, ML & AI engineers to take models from experimentation to reliable, scalable production deployment.
- 02Operate and evolve the orchestration layer for training, serving and evaluation workloads, built on GCP and AWS using Kubernetes (GKE) and Ray-based platforms…
- 03Build the tools, templates and best practices (Terraform modules, Kubernetes CRDs and operators, GitOps workflows, internal libraries) that let any ML team…
- 04Ensure the availability, reliability and performance of ML systems in production across training, serving and the agents platform; define and track SLOs; take…
- 05Build and maintain observability for ML systems: infrastructure and model health via Datadog, and evaluation/quality signals via Braintrust, catching…
- 06Work hand in hand with AI inference engineers on the shared foundations of our self-hosted LLM stack (model registry, deployment automation, shared GPU…
Was du mitbringen solltest
Gefordert
- MLOps
- Machine Learning
- Python
- Bash
- Terraform
- Kubernetes
- Argo CD
- Docker
- GCP
- BigQuery
- AWS
- Azure
- Datadog
- LLM
Abgeleitet – nicht ausdrücklich genannt
- Ruby (aus Ruby on Rails abgeleitet)
- JavaScript (aus TypeScript abgeleitet)
Rollenprofil
ML & AI Engineering · Daten & KI
aus dem Stellentitel
- Bereitschaft & Schichten
- Rufbereitschaft
Worauf es bei der Erfahrung ankommt
- Wunsch: Erfahrung mit Daten mit KI-Produkte & ML-PlattformenGenau diese Spezialisierung
„Have hands-on experience with Kubernetes in production and GitOps tools (e.g. ArgoCD), and have built MLOps pipelines for containerizing models and solutions with Docker“
- Wunsch: Erfahrung mit Daten mit KI-Produkte & ML-Plattformen oder verwandten BereichenVerwandte Spezialisierung reicht
„Have prior experience as an MLOps Engineer, Cloud Engineer for ML applications, AI Infrastructure Engineer, or Platform Engineer for AI, or in a similar role“
Software & Produkt
- KI-Produkte & ML-Plattformenbestätigt
- Mobility & Automotive-Softwarebestätigt
- Developer Tools, DevOps & Observabilitybestätigt
- Health-IT & MedTech-Softwareaus Firmenkontext abgeleitet
Welches Produkt die Stelle betrifft, ist nicht eindeutig belegt. (unbekannt)
- arbeitsmodell
- Hybrid
- gehalt
- nicht angegeben
- erfahrung
- nicht angegeben
- level
- Senior
Auch interessant für
- · Data Analysts mit Statistik- und Python-Erfahrung
- · Forschende aus Physik, Mathematik oder Informatik
- · ML-interessierte Backend-Entwickler:innen
- · Fachkräfte mit Erfahrung in verwandten Bereichen wie Datenplattformen, BI & Analytics und Developer Tools, DevOps & Observability
Nicht angegeben
- Gehalt
- Anzahl Homeoffice-Tage
- geforderte Berufserfahrung
- Sprachanforderungen
- konkretes Produkt
- Anstellungsart
belege aus der stellenanzeige anzeigen
- Partner with data scientists, ML & AI engineers to take models from experimentation to reliable, scalable production deployment.
„Partner with data scientists, ML & AI engineers to take models from experimentation to reliable, scalable production deployment.“
- Operate and evolve the orchestration layer for training, serving and evaluation workloads, built on GCP and AWS using Kubernetes (GKE) and Ray-based platforms…
„Operate and evolve the orchestration layer for training, serving and evaluation workloads, built on GCP and AWS using Kubernetes (GKE) and Ray-based platforms (Anyscale) - including CI/CD, versioning and automated testing pipelines that carry a model from the registry to a served endpoint.“
- Build the tools, templates and best practices (Terraform modules, Kubernetes CRDs and operators, GitOps workflows, internal libraries) that let any ML team…
„Build the tools, templates and best practices (Terraform modules, Kubernetes CRDs and operators, GitOps workflows, internal libraries) that let any ML team deploy and operate their models and agents safely and consistently.“
- Ensure the availability, reliability and performance of ML systems in production across training, serving and the agents platform; define and track SLOs; take…
„Ensure the availability, reliability and performance of ML systems in production across training, serving and the agents platform; define and track SLOs; take part in on-call and incident response for the whole stack.“
- Build and maintain observability for ML systems: infrastructure and model health via Datadog, and evaluation/quality signals via Braintrust, catching…
„Build and maintain observability for ML systems: infrastructure and model health via Datadog, and evaluation/quality signals via Braintrust, catching regressions before they reach users.“
- Work hand in hand with AI inference engineers on the shared foundations of our self-hosted LLM stack (model registry, deployment automation, shared GPU…
„Work hand in hand with AI inference engineers on the shared foundations of our self-hosted LLM stack (model registry, deployment automation, shared GPU capacity), and stay current with MLOps practices for classic ML, generative AI and agentic systems alike.“
- Pflicht: MLOps
„Have prior experience as an MLOps Engineer, Cloud Engineer for ML applications, AI Infrastructure Engineer, or Platform Engineer for AI, or in a similar role“
- Pflicht: Machine Learning
„Have prior experience as an MLOps Engineer, Cloud Engineer for ML applications, AI Infrastructure Engineer, or Platform Engineer for AI, or in a similar role“
- Pflicht: Python
„Are proficient in Python, Shell scripting and Terraform, with a solid understanding of machine learning algorithms, concepts and trends“
- Pflicht: Bash
„Are proficient in Python, Shell scripting and Terraform, with a solid understanding of machine learning algorithms, concepts and trends“
- Pflicht: Terraform
„Are proficient in Python, Shell scripting and Terraform, with a solid understanding of machine learning algorithms, concepts and trends“
- Pflicht: Kubernetes
„Have hands-on experience with Kubernetes in production and GitOps tools (e“
- Pflicht: Argo CD
„Have hands-on experience with Kubernetes in production and GitOps tools (e“
- Pflicht: Docker
„ArgoCD), and have built MLOps pipelines for containerizing models and solutions with Docker“
aufgaben
Berufsfelder
- Data & KI
anforderungen
Fähigkeiten
- MLOps
- Machine Learning
- Python
- Bash
- Terraform
- Kubernetes
- Argo CD
- Docker
- GCP
- BigQuery
- AWS
- Azure
- Datadog
- LLM
originalanzeige
Die vollständige Beschreibung findest du in der Originalanzeige. Oben siehst du unsere eigene Analyse der Stelle.
woran arbeitet Doctolib?
Doctolib betreibt in Deutschland eine Plattform für Online-Terminbuchung bei Ärzten, Zahnärzten, Therapeuten und weiteren Gesundheitsberufen. Patienten finden Praxen und Fachgebiete über ein Verzeichnis; Praxen und Kliniken sind dort mit Online-Terminvergabe gelistet.
Produkte
Doctolib Online-Terminbuchung
Plattform, über die Patienten bei Ärzten, Zahnärzten, Therapeuten und anderen Gesundheitsberufen online Termine buchen können.
Verzeichnis medizinischer Fachgebiete
Übersicht über medizinische Spezialgebiete und Behandlungen, über die Patienten passende Praxen finden.
- Geschäftsmodell
- Plattform / Marktplatz
- Bereitstellung
- SaaS / Cloud
- Zielkund:innen
- PatientenArztpraxenZahnarztpraxenTherapeutenMedizinische VersorgungszentrenKliniken
- Branchen der Kund:innen
- Gesundheitswesen
Softwaredomänen
- Health-IT & MedTech-Softwarebestätigt