Auf einen Blick
- Aufgaben: Entwickle und implementiere innovative KI-Lösungen für reale Probleme.
- Arbeitgeber: Führendes Unternehmen im Bereich Machine Learning und AI mit dynamischem Team.
- Mitarbeitervorteile: Wettbewerbsfähiges Gehalt, Gesundheitsleistungen und Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Arbeite an bahnbrechenden Projekten und forme die Zukunft der Technologie.
- Gewünschte Qualifikationen: Erfahrung in AI/ML und Cloud-Architektur erforderlich.
- Andere Informationen: Vielfältige Karrierechancen in einem schnelllebigen Umfeld.
Das voraussichtliche Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Sind Sie auf der Suche nach einer Tätigkeit an der Spitze von Machine Learning und KI? Wären Sie begeistert, generative KI-Algorithmen anzuwenden, um reale Probleme mit erheblichem Einfluss zu lösen? Das AWS Industries Team bei AWS hilft AWS-Kunden, generative KI-Lösungen zu implementieren und transformative Geschäftsmöglichkeiten in den strategischsten Branchen zu realisieren. Dies ist ein Team von Datenwissenschaftlern, Ingenieuren und Architekten, das Schritt für Schritt mit Kunden zusammenarbeitet, um maßgeschneiderte Lösungen zu entwickeln, die die Leistungsfähigkeit von generativer KI nutzen.
Das Team hilft Kunden, die Anwendungsfälle zu imaginieren und zu definieren, die den größten Wert für ihre Unternehmen schaffen, die richtigen Modelle auszuwählen, zu trainieren und fein abzustimmen, Wege zur Bewältigung technischer oder geschäftlicher Herausforderungen zu definieren, Machbarkeitsstudien zu entwickeln und Anwendungen zu erstellen, um diese Lösungen in großem Maßstab zu starten. Das AWS Industries-Team bietet Anleitung und implementiert Best Practices für die verantwortungsvolle und kosteneffiziente Anwendung von generativer KI.
In dieser Rolle werden Sie in der Lage sein, GenAI und andere Techniken zu nutzen, um Lösungen für bisher ungelöste Probleme zu entwerfen, zu evangelisieren, zu implementieren und zu skalieren.
Hauptverantwortlichkeiten:- Komplexe, skalierbare und sichere AWS-Lösungen entwerfen und implementieren, die auf die Bedürfnisse der Kunden zugeschnitten sind.
- Mit Stakeholdern zusammenarbeiten, um Anforderungen zu sammeln und effektive Migrationsstrategien vorzuschlagen.
- Technische Anleitung und Unterstützung während der Projektlieferung bieten.
- Als vertrauenswürdiger Berater für Kunden zu Branchentrends und aufkommenden Technologien agieren.
- Wissen innerhalb der Organisation durch Mentoring, Schulung und Erstellung wiederverwendbarer Artefakte teilen.
- 3+ Jahre Erfahrung in AI und ML sowie in Datenabfragesprachen (z.B. SQL), Skriptsprachen (z.B. Python) oder statistischer/mathematischer Software (z.B. R, SAS, Matlab usw.).
- 3+ Jahre Erfahrung in Cloud-Architektur und -Implementierung.
- Nachweisliche Erfolge im Entwerfen und Entwickeln von End-to-End-Machine-Learning- und generativen KI-Lösungen, von der Konzeption bis zur Bereitstellung.
- Erfahrung in der Anwendung von Best Practices und der Bewertung alternativer und komplementärer ML- und Grundmodelle, die für gegebene Geschäftskontexte geeignet sind.
- Abschluss in einem quantitativen Bereich wie Statistik, Mathematik, Datenwissenschaft, Geschäftsanalytik, Wirtschaft, Finanzen, Ingenieurwesen oder Informatik oder gleichwertige Erfahrung.
- Kenntnisse über Datenmodellierungsprinzipien, statistische Analysemethoden und nachgewiesene Fähigkeit, aus komplexen, großangelegten Datensätzen bedeutungsvolle Erkenntnisse zu gewinnen.
- Bevorzugte AWS-Erfahrung mit Kenntnissen in einer breiten Palette von AWS-Diensten (z.B. Bedrock, SageMaker, EC2, S3, Lambda, IAM, VPC, CloudFormation) und AWS Associate-Level-Zertifizierungen (z.B. Machine Learning Specialty, Machine Learning Engineer Associate, Solutions Architect Professional).
- Erfahrung mit Automatisierung und Skripting (z.B. Terraform, Python).
- Kenntnisse über Sicherheits- und Compliance-Standards (z.B. HIPAA, GDPR).
- Starke Kommunikationsfähigkeiten mit der Fähigkeit, technische Konzepte sowohl technischen als auch nicht-technischen Zielgruppen zu erklären.
- Erfahrung in der Entwicklung und Optimierung von Grundmodellen (LLMs), einschließlich Feinabstimmung, kontinuierlichem Training und Implementierung von KI-Systemen.
Amazon ist ein Arbeitgeber, der Chancengleichheit bietet. Wir glauben leidenschaftlich daran, dass die Beschäftigung einer vielfältigen Belegschaft für unseren Erfolg entscheidend ist. Wir treffen Einstellungsentscheidungen basierend auf Ihrer Erfahrung und Ihren Fähigkeiten.
Delivery Consultant - Machine Learning (GenAI), ProServe EMEA Arbeitgeber: Amazon Web Services (AWS)
Kontaktperson:
Amazon Web Services (AWS) HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Delivery Consultant - Machine Learning (GenAI), ProServe EMEA
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach Informationen über die Firma und die Rolle, die dich interessiert – oft gibt es Insider-Tipps, die dir einen Vorteil verschaffen können.
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Da du im Bereich Machine Learning und AI arbeiten möchtest, solltest du deine Kenntnisse in Python, SQL und den relevanten Algorithmen auffrischen. Mach ein paar Übungsprojekte oder nimm an Hackathons teil, um deine Fähigkeiten zu zeigen.
✨Tipp Nummer 3
Sei bereit, deine Erfahrungen zu teilen! In Vorstellungsgesprächen wird oft nach konkreten Beispielen gefragt. Überlege dir vorher, welche Projekte du gemacht hast und wie du Herausforderungen gemeistert hast. Das zeigt, dass du nicht nur theoretisches Wissen hast, sondern auch praktische Erfahrung.
✨Tipp Nummer 4
Bewirb dich direkt über unsere Website! Das zeigt dein Interesse und Engagement für die Stelle. Außerdem kannst du sicherstellen, dass deine Bewerbung die richtige Zielgruppe erreicht. Lass uns gemeinsam an deiner Karriere arbeiten!
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Delivery Consultant - Machine Learning (GenAI), ProServe EMEA
Tipps für deine Bewerbung 🫡
Sei du selbst!: Wenn du deine Bewerbung schreibst, sei authentisch und zeig uns, wer du wirklich bist. Wir suchen nach Menschen, die Leidenschaft für Machine Learning und AI haben, also lass das in deiner Bewerbung durchscheinen!
Pass auf die Details auf!: Achte darauf, dass deine Bewerbung gut strukturiert und fehlerfrei ist. Ein klarer und präziser Text zeigt uns, dass du sorgfältig arbeitest und die Anforderungen ernst nimmst.
Verknüpfe deine Erfahrungen!: Erzähle uns von deinen bisherigen Projekten im Bereich AI und ML. Zeig uns, wie du generative AI-Lösungen entwickelt hast und welche Herausforderungen du gemeistert hast. Das macht deine Bewerbung lebendig und relevant!
Bewirb dich über unsere Website!: Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie schnell bei uns ankommt und du alle notwendigen Informationen bereitstellst. Wir freuen uns auf deine Bewerbung!
Wie du dich auf ein Vorstellungsgespräch bei Amazon Web Services (AWS) vorbereitest
✨Verstehe die Technologien
Mach dich mit den neuesten Trends in der generativen KI und Machine Learning vertraut. Informiere dich über die spezifischen AWS-Dienste, die in der Stellenbeschreibung erwähnt werden, wie SageMaker oder Bedrock. Zeige im Interview, dass du nicht nur die Theorie verstehst, sondern auch praktische Anwendungen kennst.
✨Bereite konkrete Beispiele vor
Denke an konkrete Projekte oder Erfahrungen, die du in der Vergangenheit hattest und die relevant für die Position sind. Sei bereit, über Herausforderungen zu sprechen, die du gemeistert hast, und wie du innovative Lösungen entwickelt hast. Das zeigt, dass du die Fähigkeiten hast, die sie suchen.
✨Stelle kluge Fragen
Bereite einige durchdachte Fragen vor, die du dem Interviewer stellen kannst. Frage nach den aktuellen Projekten des Teams oder wie sie generative KI in ihren Lösungen einsetzen. Das zeigt dein Interesse und deine Neugierde für die Rolle und das Unternehmen.
✨Kommunikation ist der Schlüssel
Übe, technische Konzepte einfach und klar zu erklären. Du wirst möglicherweise mit verschiedenen Stakeholdern arbeiten, also sei bereit, komplexe Ideen verständlich zu machen. Eine klare Kommunikation kann den Unterschied ausmachen, besonders wenn du mit nicht-technischen Personen sprichst.