Data Science & AI/ML Lead (EDA Experience)
Level: SM
Role Overview
A hands-on Data Science and AI/ML Lead responsible for owning the end-to-end model training lifecycle, starting from EDA and feature engineering through training, evaluation, and deployment readiness. The role focuses on building reproducible, production-grade ML pipelines and ensuring data and models are optimized for performance, scalability, and reliability.
Key Responsibilities
1. Exploratory Data Analysis & Model Development
· Translate business problems and Use cases into model-ready ML formulations.
· Perform deep EDA and data profiling to understand patterns, data quality, and feature relevance
· Define feature engineering strategy aligned to model performance objectives
· Ensure reproducibility through dataset versioning and experiment tracking
· Define pipeline strategy for continuous retraining and validation.
· Train and optimize models for classification, regression, clustering, and anomaly detection, LLM/SLM Pretraining and Finetuning, etc.
· Perform hyperparameter tuning and model selection for optimal performance
· Drive trade-offs across accuracy, latency, cost, and interpretability
3. Scoring, Evaluation & Benchmarking
· Define evaluation and scoring frameworks for Datasets and certify for AI Readiness (Model Training)
· Conduct error analysis and benchmarking across datasets and model versions
· Establish acceptance thresholds and quality gates for production readiness.
4. Scalable ML & MLOps Enablement
· Enable ML lifecycle practices including model versioning, tracking, and monitoring
· Work with cloud platforms (Azure/AWS/GCP) for scalable training and deployment
· Collaborate with engineering teams to ensure production-grade integration
· Optimize platform performance, reliability, and scalability.
Required Capabilities / Skills / Experience
· 12+ years in Data Science / Machine Learning with strong hands-on experience
· Strong expertise in Python and ML/DL frameworks (scikit-learn, PyTorch, TensorFlow)
· Deep experience in EDA, feature engineering, and model training pipelines
· Experience building production-grade ML pipelines and evaluation frameworks
· Exposure to cloud ML platforms (Azure/Vertex/SageMaker)
· Experience with large-scale data processing and distributed training
· Hands-on experience with classical ML algorithms (Decision Trees, Random Forest, XGBoost, Gradient Boosting etc.)
· Exposure to LLM/SLM training or fine-tuning techniques (PEFT, LoRA, fine-tuning workflows)
· Exposure to LLM / GenAI workflows as integration points
· Familiarity with data quality, labelling, and dataset curation at scale
· Strong problem-solving and system thinking skills.
Über Cognizant
Cognizant (NASDAQ: CTSH) i ist ein Technologiedienstleister und Entwickler von KI-Lösungen. Wir schlagen die Brücke zwischen KI-Investitionen und echtem unternehmerischem Mehrwert, indem wir ganzheitliche Full-Stack-KI-Lösungen für unsere Kunden entwickeln. Mit unserer fundierten Branchen-, Prozess- und Engineering-Expertise integrieren wir die spezifischen Anforderungen von Unternehmen passgenau in Technologiesysteme. So entfalten wir das menschliche Potenzial, erzielen greifbare Ergebnisse und sichern globalen Unternehmen in einer sich rasant wandelnden Welt den entscheidenden Vorsprung. Erfahren Sie mehr unter cognizant.ai oder @cognizant.
Zusätzliche Informationen zur Beschäftigung
Die Vergütungsinformationen sind zum Zeitpunkt der Veröffentlichung dieser Stellenausschreibung korrekt. Cognizant behält sich das Recht vor, diese Informationen jederzeit unter Beachtung der geltenden gesetzlichen Bestimmungen zu ändern.
Bewerberinnen und Bewerber können verpflichtet sein, an Vorstellungsgesprächen persönlich oder per Videokonferenz teilzunehmen. Darüber hinaus kann es erforderlich sein, bei jedem Gespräch einen gültigen staatlichen Lichtbildausweis vorzulegen.
Cognizant ist ein Arbeitgeber mit Chancengleichheit. Ihre Bewerbung und Kandidatur werden nicht aufgrund von Rasse, Hautfarbe, Geschlecht, Religion, Glaubensbekenntnis, sexueller Orientierung, Geschlechtsidentität, nationaler Herkunft, Behinderung, genetischen Informationen, Schwangerschaft, Veteranenstatus oder sonstiger durch bundes‑, landes‑ oder kommunalrechtliche Vorschriften geschützter Merkmale berücksichtigt oder abgelehnt.
