Das ist der Job
Was dich erwartet
• Gemeinsam mit erfahrenen Kolleg:innen übersetzt du Produkt- und Geschäftsfragen in klar definierte Machine-Learning-Aufgaben.
• Du entwickelst, evaluierst und verbesserst Machine-Learning-Modelle mit Python.
• Du trägst zu reproduzierbaren Daten- und ML-Pipelines bei – von ersten Experimenten bis zur Bereitstellung in der Produktion.
• Du bereitest Services oder Batch-Jobs mithilfe von Tools wie Docker für den produktiven Einsatz vor.
• Du arbeitest mit cloudbasierten ML-Umgebungen in AWS oder GCP.
• Du nutzt SQL, um Daten zu untersuchen, aufzubereiten und zu validieren.
• Du überwachst die Performance von Modellen, gehst möglichen Problemen auf den Grund und trägst dazu bei, die Zuverlässigkeit unserer produktiven Lösungen kontinuierlich zu verbessern.
• Du dokumentierst deine Arbeit sowie Annahmen, Abwägungen und Ergebnisse nachvollziehbar.
• Du arbeitest eng mit Kolleg:innen aus Data Engineering, Software Engineering, Product und weiteren Unternehmensbereichen zusammen.
• Du berücksichtigst bei der Entwicklung und Bewertung von Lösungen Aspekte wie Modellqualität, Robustheit und Fairness.
Das brauchst du
Was du unbedingt mitbringst
• Solide Grundlagen in Machine-Learning-Konzepten und der Bewertung von Modellen, welche du durch dein Studium, eine Weiterbildung oder praktische bzw. berufliche Erfahrung gesammelt hast.
• Praktische Python-Kenntnisse und die Fähigkeit, klaren und gut wartbaren Code zu schreiben.
• Erste Berührungspunkte im Umgang mit Daten und SQL.
• Erste praktische Erfahrung bei der Entwicklung einer ML-Lösung.
• Interesse daran zu lernen, wie Modelle und Datenpipelines in Produktionsumgebungen bereitgestellt, überwacht und verbessert werden.
• Eine strukturierte Herangehensweise an die Problemlösung.
• Klare Kommunikationsfähigkeiten sowie eine offene und kooperative Arbeitsweise.
• Gute Englischkenntnisse für die tägliche Kommunikation.
Was du idealerweise noch mitbringst
• Erste Erfahrungen mit Docker oder einem anderen Containerisierungstool.
• Erste Berührungspunkte mit AWS, GCP oder einer anderen Cloud-Plattform.
• Vertrautheit mit NLP, Anwendungen großer Sprachmodelle (LLMs) oder KI-Agenten.
• Erfahrung mit NoSQL-Datenbanken, verteilter Datenverarbeitung oder Streaming-Technologien.
• Grundkenntnisse gängiger Software-Engineering-Praktiken wie Versionskontrolle, Testing und Continuous Integration.
• Erfahrung mit dem Betrieb, der Überwachung oder der Fehlerbehebung bei einem ML-Modell oder einer Datenpipeline.
