Stellenprofile bei Accenture AG: Machine Learning Architect

Eins von 85 Stellenprofilen beim Arbeitgeber Accenture AG

Rolle und Verantwortlichkeiten

Als Machine Learning Architect in unserem Team spielst Du eine entscheidende Rolle bei der Entwicklung und Implementierung von ML- und AI-Technologien. Du lebst dein Talent als ML Architekt:in voll aus, konstruierst massgeschneiderte zukunftsbereite End-to-End-Architekturen, gestaltest AI-Ökosysteme und implementierst Machine Learning Systeme. Innovationsgetrieben gestaltest, planst und implementierst du Data & (Gen)AI-Architekturen einschliesslich der dazugehörigen Roadmaps für unsere Kunden in allen Industrien, wo du mit Enterprise Architects und Senior Management bis hin zu C-Level auf Kundenseite zusammenarbeitest. Der jeweiligen Anforderung entsprechend berätst du Kunden in Bezug auf die jeweils optimale Analytics- und (Gen)AI-Plattformarchitektur und den effizienten Weg dorthin. Technisch versiert implementierst du mit einem agilen Team einzelne Teile der Architektur in Proof-of-Concepts. Du evaluierst neue und aufstrebende Technologien, um unsere ML- und KI-Fähigkeiten zu verbessern. Generell stehst du unseren Kunden bei allen Fragen zum Thema (Gen)AI-Architekturen mit aufgeschlossener Haltung und kompetenter Beratung zur Seite.

Team / Beschreibung

In dieser Rolle bist du Teil von Accenture Technology. Wir nutzen das gesamte Spektrum digitaler Technologien, um den Alltag unserer Kunden zu vereinfachen. Und ihr Business in die Zukunft zu führen. Von #DevOps bis #Infrastruktur, von #Security bis #Workplace-Service.

Qualifikationen und Fähigkeiten

• Du hast ein abgeschlossenes Studium der (Wirtschafts-)Informatik oder einer vergleichbaren Fachrichtung.
• Du verfügst über mehrjährige, einschlägige Berufs-/Projekterfahrung als Enterprise Architekt mit Praxis in Cloud-Entwicklung und Analytics-Plattformen sowie Routine z. B. im Design von GCP-, AWS- oder Azure-Architekturen.
• Du hast Erfahrung im Aufbau von End-to-End-Anwendungen, die maschinelles Lernen bereitstellen oder integrieren. Zudem hast du einen starken Hintergrund in der Verwendung von Cloud-basierten Stacks für MLOps.
• Du besitzt Expertise in den gängigen ML- und KI-Bibliotheken wie TensorFlow, PyTorch und GPT-Modelle sowie Praxiswissen in der Bewertung von Cloud-Architekturen und deren Neugestaltung.