confidence in their commercial acumen. You convert the business needs into a solution architecture and are in charge of coming up with proposals that make use of ideas and tools like B. AI, ML, and data products, among others. Your

production, we want to hear from you. If you are proficient in Python, SQL, ML frameworks (TensorFlow, Pytorch, XGBoost, etc.), ML platforms (Google Vertex AI, Amazon Sagemaker, Azure Machine Learning), ML Ops, and Cloud, you might

responsible to solve AI/ML and visual computing related problems using state-of-the-art techniques. Required: • Solid understanding of Python programming language • Sense of a sustainable Object-oriented micro-service software

of sales and partnerships from all verticals, make cold reach-outs, become an ML-based DSP expert, and represent the company at commercial events and business conferences (which may involve some traveling from time to time

etwas anderes als auf dem eigenen Notebook. Nichtsdestotrotz bieten wir Ihnen einen state-of-the art ML-stack basierend auf unserer on-prem gehosteten K8s basierten Containerplattform, an dessen Aufbau und Weiterentwicklung Sie sich übrigens gerne

etwas anderes als auf dem eigenen Notebook. Nichtsdestotrotz bieten wir Ihnen einen state-of-the art ML-stack basierend auf unserer on-prem gehosteten K8s basierten Containerplattform, an dessen Aufbau und Weiterentwicklung Sie sich übrigens gerne

learning (ML) technologies for search. • Experience with search analytics and reporting tools • Experience with A/B Testing of enterprise search solution Infoplus Technologies UK Limited

fundamentals of machine learning, with an emphasis on one or more of the following topics: • Interpretable Machine Learning • Fairness and Transparency of Machine Learning • Game Theory for Interpretable ML

von und für die BA. Das KC KI und ML ist im IT-Systemhaus, dem IT-Dienstleister der Bundesagentur für Arbeit, angesiedelt. Hier bauen wir BA-weit neue Technologien und Features im Bereich Data Science auf und aus. Das ist unser Beitrag

automation etc.) Experience in production environments for Machine Learning products incl., knowledge of the tools that a needed for model deployment and lifecycle management in ML engineering (Docker, Kubernetes) Technical