Løn som machine learning engineer

En machine learning engineer bygger og deployer machine learning-modeller i produktion — fra dataindsamling og feature engineering til model training, evaluation og monitoring. ML Engineers kombinerer softwareudvikling med datavidenskab og arbejder typisk med Python, TensorFlow/PyTorch og cloud ML-platforme. Erhvervet er registreret hos Danmarks Statistik under DISCO-08-kode 2512 — den officielle betegnelse er "Softwareudvikling".

Med en gennemsnitlig månedsløn på 66.986 kr. ligger erhvervet over gennemsnittet i Danmark (+32%) — og medianen på 64.181 kr. viser, hvad den typiske machine learning engineer tager med hjem hver måned. Alle tal er fra seneste DST-offentliggørelse (LONS20, 2024).

Halvdelen af alle machine learning engineere i Danmark tjener mellem 52.382 kr. (nedre kvartil, P25) og 78.222 kr. (øvre kvartil, P75) — et spænd på 25.840 kr.. Spændet afspejler en kombination af erfaring, specialisering, sektor og geografi.

Hvis du lige er startet i jobbet, ligger du typisk i den nedre del af spændet. Med 5+ års erfaring forventes du at bevæge dig mod — eller over — medianen på 64.181 kr.. Ligger du allerede over P75, er du i top 25% af dit erhverv, og forhandlingen bør i højere grad rette sig mod ikke-løn elementer som pension, bonus og uddannelses­budget.

Blandt de sektorer, der beskæftiger machine learning engineere, ligger virksomheder og organisationer højest med en gennemsnitsløn på 67.319 kr., mens stat (inklusiv sociale kasser og fonde) ligger lavest på 60.830 kr. — en forskel på 10.7%. Forskellen er væsentlig, når du skal vurdere et jobtilbud eller overveje et sektorskift.

Husk at den nominelle lønforskel ikke fortæller hele historien. Offentlige arbejdsgivere tilbyder typisk 15–18% i pensionsbidrag, mod 10–15% hos de fleste private — en forskel, der akkumuleres betydeligt over en karriere. Bonus og variabel løn er til gengæld langt mere udbredt i det private.

Siden 2013 er månedslønnen for machine learning engineere vokset fra 53.837 kr. til 66.986 kr. i 2024 — en samlet stigning på +24% over perioden.

Det seneste år er lønnen ændret med +4.7% — markant over det generelle lønindeks på arbejdsmarkedet, der typisk ligger på 2–4% om året. Bemærk, at tallene ikke er korrigeret for inflation; realløn­udviklingen har været mindre markant, særligt i perioden 2022–2023.

ML Engineers har typisk en kandidat- eller ph.d.-grad i datalogi, machine learning, matematik eller kunstig intelligens fra DTU, KU, AU eller ITU. Specialiserede ML-kurser fra Stanford (CS229, CS231n), DeepLearning.AI eller fast.ai er udbredte supplementer. Kernekompetencer er Python, PyTorch/TensorFlow, MLOps-værktøjer (MLflow, Kubeflow, Weights & Biases) og software engineering-praksis (testing, CI/CD, containerisering). AWS Machine Learning Specialty og Google Professional ML Engineer-certificeringer er værdifulde.

Karrieresporet er Data Scientist / Software Engineer → ML Engineer → Senior ML Engineer → Staff ML Engineer → ML Architect / Head of AI. Mange starter som forskere eller Data Scientists og lærer software engineering-disciplinen, mens andre kommer fra softwareudvikling og specialiserer sig i ML. Erfaring med at sætte modeller i produktion (ikke kun Jupyter notebooks) er den vigtigste differentiator på markedet.

ML Engineers er ekstremt efterspurgte globalt, og mange danske virksomheder konkurrerer med internationale tech-selskaber om talent. Vis produktionsmodeller du har deployet: latency, throughput, accuracy-forbedringer og forretningsimpact. Fx: 'Deployet en anbefalingsmodel der øgede klik-through-rate med 18 % og genererede 4 mio. kr. i ekstra omsætning'. Forhandl gerne remote-muligheder, konferencebudget og GPU-adgang som del af pakken.

Konkret: Brug medianen (64.181 kr.) som dit anker — det er markedets fakta og lader sig ikke nemt modargumentere. Er du placeret over P75 (78.222 kr.), bør du forhandle om bonus, pension og andre goder frem for grundløn.

Vi har bygget et personligt forhandlingsoplæg for machine learning engineere — indtast din nuværende løn og erfaring, og få konkrete argumenter samt en anbefaling, du kan tage med til næste MUS.