$190,000
mediana · por ano, anualizado em USD
$187,500
mediana · por ano, anualizado em USD
Platform Engineer
Senior Staff+ Software Engineer, Kubernetes Platform
Senior Security Platform Engineer I
Principal .NET Software Engineer - Cloud Payments Platform
Principal .NET Software Engineer- Cloud Payments Platform
Software Engineer, Platform
Infrastructure and Platform Development Engineer
Agent Platform Engineer
Infrastructure and Platform Engineer, Metal
Principal Engineer, AI Platform
Senior Machine Learning Engineer, DevOps/SRE
Staff Machine Learning Operations Engineer
Senior Data Engineer, MLOps [Remote-US]
Senior, ML Engineer - ML Ops Framework
Senior, ML Engineer - ML Ops Framework
Senior Machine Learning Operations Engineer
Staff ML/LLM Ops Engineer
Sr. Machine Learning Ops Engineer
DoD MLOps Software Engineer
Sr. Machine Learning Ops Engineer
| Empresa | Mediana | Funções |
|---|---|---|
Accenture Federal Services
|
$151,800 | 28 |
Air Apps
|
$65,184 | 22 |
Captivation Software
|
$200,000 | 21 |
Reddit
|
$244,500 | 18 |
Anduril Industries
|
$222,000 | 15 |
Coinbase
|
$202,483 | 15 |
Airwallex
|
$162,878 | 13 |
Roblox
|
$265,138 | 12 |
| Empresa | Mediana | Funções |
|---|---|---|
Garner Health
|
$297,500 | 2 |
Torc Robotics
|
$249,000 | 2 |
Quanata
|
$256,500 | 1 |
Roku
|
$254,875 | 1 |
LVT
|
$242,650 | 1 |
Hayden AI
|
$230,000 | 1 |
Instacart
|
$212,750 | 1 |
Cimgroup
|
$200,000 | 1 |
| Local | Mediana | Funções |
|---|---|---|
| San Francisco | $225,500 | 248 |
| Seattle | $212,500 | 62 |
| New York | $210,000 | 208 |
| Los Angeles | $200,650 | 18 |
| Chicago | $195,000 | 31 |
| Austin | $194,500 | 29 |
| Denver | $185,000 | 27 |
| Boston | $182,500 | 59 |
| Toronto | $165,000 | 50 |
| Atlanta | $161,500 | 10 |
A mediana para DevOps é $190,000 por ano (normalmente $151,040–$225,000), contra $187,500 para MLOps ($147,500–$236,325). Isso coloca DevOps cerca de 1% à frente na mediana.
Ambos os números são calculados ao vivo a partir de vagas ativas na JobsRadar e normalizados para USD anualizado, então DevOps e MLOps são comparados em igualdade de condições, independentemente da moeda em que cada vaga foi originalmente publicada. Apenas as vagas que publicam uma faixa salarial alimentam as medianas; os números são atualizados a cada poucas horas conforme novas vagas são publicadas e as antigas são encerradas, então esta comparação reflete o mercado agora, e não uma pesquisa fixa. Use-a como referência direcional ao pesar um caminho contra o outro.