Salaire médian
$187,475
par an · USD annualisé
Fourchette typique
$144.6k – $206.9k
25e–75e percentile
Divulguent la rémunération
54.9%
28 sur 51 postes
Postes en ligne
51
ouverts en ce moment
Senior Machine Learning Engineer, DevOps/SRE
Staff Machine Learning Operations Engineer
Machine Learning Engineer/Senior Machine Learning Engineer - Devops, AI for Drug Discovery
Senior / Staff ML Ops Engineer
Senior Staff ML Ops Engineer
MLOps Engineer
Senior ML Ops Engineer (Machine Learning Infrastructure)
MLOps Engineer, LLM Systems (Serving, GPU Kernels, Profiling)
| Entreprise | Médiane | Postes |
|---|---|---|
Weekday AI
|
$202,800 | 2 |
Shirley Ryan AbilityLab
|
$88,225 | 2 |
Garner Health
|
$324,500 | 1 |
Roku
|
$254,875 | 1 |
Roche
|
$228,700 | 1 |
Waabi
|
$228,000 | 1 |
| AM Atomic Machines | $225,000 | 1 |
Instacart
|
$212,750 | 1 |
Voir tous les postes MLOps
Parcourez les annonces en ligne, ou enregistrez cette recherche et soyez alerté dès qu’une nouvelle est publiée.
Le salaire médian pour les postes MLOps à United States est de $187,475 par an. La plupart des rémunérations se situent entre $144,625 (25e percentile) et $206,938 (75e percentile), avec la fourchette plus large du 10e au 90e percentile allant de $134,715 à $228,210.
Ces chiffres sont calculés en direct à partir de 51 postes MLOps à United States actifs sur JobsRadar, dont 28 (54.9%) publient une fourchette de salaire. Les rémunérations sont normalisées en USD annualisé pour comparer les postes à conditions égales ; les postes les mieux payés listés ci-dessus affichent leur devise d’origine. Les chiffres se rafraîchissent toutes les quelques heures à mesure que de nouveaux postes sont publiés et que les anciens se ferment.
Parmi les employeurs qui recrutent actuellement des postes MLOps à United States bien payés figurent Roku, Garner Health, Roche and Waabi.
La transparence salariale varie selon l’employeur et la région, la part de divulgation ci-dessus ne reflète donc que les postes qui publient leur rémunération — pas tous les postes ouverts. Utilisez-la comme un repère indicatif plutôt que comme une offre exacte.