1 Stellenangebot gefunden.
adesso SE·Frankfurt am Main
In dieser Rolle entwickelst du skalierbare Microservices mit Java und Spring Boot, integrierst externe Dienste und erweiterst semantische Backend-Funktionalitäten, während du CI/CD-Pipelines in Cloud-Umgebungen betreibst.
Neue Kubeflow Job in Frankfurt am Main per E-Mail erhalten.
Computacenter AG & Co. OHG·Frankfurt am Main, Hamburg, Stuttgart +5
In dieser Rolle unterstützt du Applikationsteams dabei, das Potenzial von Data & AI auszuschöpfen, indem du KI-Komponenten integrierst, Modelle auswählst und die Implementierung innovativer Lösungen begleitest.
Infosys Consulting·Frankfurt am Main
In dieser Position entwickelst und konfigurierst du maßgeschneiderte Agentic AI-Lösungen für Kunden in Europa, arbeitest eng mit interdisziplinären Teams zusammen und optimierst Geschäftsprozesse durch innovative KI-Anwendungen.
DZ BANK AG·Frankfurt am Main
In diesem Job unterstützt du ML Engineers und Data Scientists bei der Weiterentwicklung von GenAI und ML Ökosystemen, indem du Anforderungen in Code umsetzt und MLOps Pipelines aufbaust.
In dieser Rolle entwickelst du komplexe Data-Science-Produkte, trainierst ML-Modelle und automatisierst MLOps-Pipelines, um stabile Deployments in der Kreditanalyse und Zahlungsoptimierung zu gewährleisten.
DZ BANK AG·Frankfurt am Main, Düsseldorf
In dieser Rolle entwickelst du fortschrittliche Data-Science-Lösungen, trainierst Machine-Learning-Modelle, integrierst sie in produktive Systeme und automatisierst MLOps-Pipelines für stabile Einsätze sowie Optimierungen.
In dieser Position entwickelst du KI- und ML-Plattformen, optimierst bestehende Lösungen wie Dataiku und automatisierst Release-Pipelines, um Data Scientists beim Modellmanagement über den gesamten Lebenszyklus zu unterstützen.
In dieser Rolle entwickelst du Data-Science-Lösungen, integrierst Machine-Learning-Modelle in produktive Systeme und baust leistungsfähige MLOps-Pipelines zur Automatisierung und Optimierung.
In dieser Position konzipierst du moderne KI- und ML-Plattformen, optimierst bestehende Systeme und etablierst effiziente MLOps-Pipelines zur Automatisierung des Machine-Learning-Lebenszyklus.
In dieser Position unterstützt du Entwickler und Data Scientists bei der Weiterentwicklung eines zukunftsorientierten ML-Ökosystems, indem du Anforderungen in Code übersetzt und ML Pipelines aufbaust.