Auf einen Blick
- Aufgaben: Entwickle und implementiere ML-Modelle und baue robuste Datenpipelines.
- Unternehmen: Innovatives Unternehmen an der Schnittstelle von Softwareentwicklung und Data Science.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Team mit großartigen Wachstumschancen in Berlin.
- Warum dieser Job: Gestalte die Zukunft mit ML-Technologien und beeinflusse echte Produkte.
- Qualifikationen: Erfahrung in ML-Entwicklung und starke Programmierkenntnisse erforderlich.
Das prognostizierte Gehalt liegt zwischen 65000 - 85000 € pro Jahr.
Wir suchen einen Senior Full-Stack Machine Learning Engineer, der an der Schnittstelle von Softwareengineering und Data Science gedeiht. Dies ist eine hybride Rolle für einen Builder, der wie ein Wissenschaftler denkt.
Bildung: Ein Bachelor- oder Masterabschluss in Informatik, Mathematik oder einem verwandten technischen Bereich. Eine starke Grundlage in Algorithmen und Datenstrukturen ist unverzichtbar.
ML-Expertise: Nachgewiesene Erfahrung (3+ Jahre) im Aufbau und der Bereitstellung von ML-Modellen in einer Produktionsumgebung. Sie sollten mit Bibliotheken wie PyTorch, Scikit-learn oder XGBoost bestens vertraut sein.
Datenstack-Meisterschaft: Praktische Erfahrung mit Databricks und Data Lake-Architekturen. Sie sollten in PySpark und SQL für die Verarbeitung großer Datenmengen versiert sein.
Software Engineering-Mindset: Sie schreiben „produktionsbereiten“ Code. Sie sind mit Docker, Kubernetes und moderner Cloud-Infrastruktur (AWS/Azure/GCP) vertraut.
Standort: Sie sind in Berlin ansässig oder bereit, dorthin umzuziehen.
Kommunikation: Fließend in Englisch, mit der Fähigkeit, komplexe technische Abwägungen gegenüber nicht-technischen Stakeholdern zu erklären.
Was die Stelle beinhaltet: In dieser Rolle sind Sie die Brücke zwischen Rohdaten und Produktimpact. Sie werden nicht nur Modelle im Vakuum trainieren; Sie werden die Datenpipelines entwerfen, die sie speisen, und die Produktionssysteme, die sie bereitstellen.
End-to-End ML-Lifecycle: Entwerfen, entwickeln und implementieren Sie produktionsreife ML-Modelle mit Python und Spark. Sie sind für den gesamten Zyklus von der Merkmalsentwicklung bis zur Modellüberwachung verantwortlich.
Datenarchitektur & Pipelines: Bauen und pflegen Sie robuste Datenpipelines innerhalb unserer Databricks-Umgebung.
Explorative Datenanalyse (EDA) & Entdeckung: Tauchen Sie tief in große Datensätze ein, um verborgene Muster, Anomalien und Chancen aufzudecken. Sie verarbeiten Daten nicht nur; Sie interpretieren, was sie über unsere Nutzer aussagen.
Statistische Strenge & Hypothesentests: Entwerfen und führen Sie rigorose A/B-Tests und multivariate Experimente durch. Sie sind verantwortlich für die Berechnung von Stichprobengrößen, p-Werten und Konfidenzintervallen, um sicherzustellen, dass Produktänderungen statistisch signifikant sind.
Metrikdefinition: Arbeiten Sie mit Stakeholdern zusammen, um zu definieren, wie „Erfolg“ aussieht. Sie übersetzen vage Geschäftsfragen (z.B. „Warum steigt die Abwanderung?“) in messbare datenwissenschaftliche Probleme.
Prädiktive Modellierung & Erkenntnisse: Über Produktionspipelines hinaus erstellen Sie Ad-hoc-Modelle, um Geschäftstrends vorherzusagen und umsetzbare Erkenntnisse zu liefern, die den Produktfahrplan beeinflussen.
Datenstorytelling: Kommunizieren Sie komplexe Ergebnisse durch hochwertige Visualisierungen und Dashboards (mit Tools wie Tableau, PowerBI oder Databricks SQL). Sie können mit Daten eine „Geschichte“ erzählen, um die Führungsebene von einer strategischen Richtung zu überzeugen.
Produktimpact: Arbeiten Sie mit Produktmanagern zusammen, um Geschäftsziele in technische ML-Ziele zu übersetzen. Sie sind verantwortlich für die Definition und Verbesserung von Schlüsselkennzahlen (KPIs) durch algorithmische Verbesserungen.
Kollaboratives Engineering: Arbeiten Sie als Kollege im Engineering-Team und wenden Sie bewährte Softwarepraktiken (Unit-Tests, Code-Reviews, Entwurfsdokumente) auf den ML-Stack an.
Senior Full-Stack ML Engineer Arbeitgeber: Deepstreamtech
Als Arbeitgeber in Berlin bieten wir Ihnen die Möglichkeit, in einem dynamischen und innovativen Umfeld zu arbeiten, das sowohl Softwareentwicklung als auch Datenwissenschaft vereint. Unsere Unternehmenskultur fördert Zusammenarbeit und kontinuierliches Lernen, während wir Ihnen durch gezielte Weiterbildungsangebote und spannende Projekte die Chance geben, Ihre Fähigkeiten im Bereich Machine Learning weiterzuentwickeln. Genießen Sie die Vorteile eines hybriden Arbeitsmodells und die inspirierende Atmosphäre einer Stadt, die für ihre Kreativität und Technologie bekannt ist.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Full-Stack ML Engineer erhalten könnten
✨Netzwerken, Netzwerken, Netzwerken!
Nutze Plattformen wie LinkedIn, um mit anderen Fachleuten in deinem Bereich zu interagieren. Teile deine Projekte und Erfolge, um sichtbar zu werden und Kontakte zu knüpfen, die dir bei deiner Jobsuche helfen können.
✨Sei proaktiv!
Warte nicht darauf, dass Stellenanzeigen veröffentlicht werden. Recherchiere Unternehmen, die dich interessieren, und kontaktiere sie direkt. Zeige dein Interesse und frage nach möglichen offenen Positionen.
✨Bereite dich auf technische Interviews vor!
Stelle sicher, dass du deine technischen Fähigkeiten auffrischst. Übe Coding-Challenges und bereite dich auf Fragen zu ML-Algorithmen und Datenstrukturen vor. Wir empfehlen Plattformen wie LeetCode oder HackerRank für die Vorbereitung.
✨Bewirb dich über unsere Website!
Wenn du eine Stelle bei uns im Auge hast, bewirb dich direkt über unsere Website. So kannst du sicherstellen, dass deine Bewerbung die richtige Aufmerksamkeit erhält und du die besten Chancen hast, Teil unseres Teams zu werden.
Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Full-Stack ML Engineer mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach deine Hausaufgaben:Bevor du mit deiner Bewerbung anfängst, schau dir unsere Website genau an. Verstehe, was wir tun und wie du ins Team passt. Das hilft dir, deine Motivation klar zu kommunizieren.
Zeig deine Skills:In deinem Anschreiben solltest du konkret auf deine Erfahrungen eingehen, die zu den Anforderungen passen. Erzähl uns von deinen Projekten mit ML-Modellen oder Datenpipelines – das macht Eindruck!
Sei präzise und strukturiert:Achte darauf, dass deine Bewerbung gut strukturiert ist. Verwende klare Absätze und Überschriften, damit wir schnell die wichtigsten Infos finden. Ein übersichtliches Layout ist ein Plus!
Bewirb dich über unsere Website:Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie im richtigen System landet und wir sie schnell bearbeiten können.
Wie man sich auf ein Vorstellungsgespräch bei Deepstreamtech vorbereitet
✨Verstehe die Anforderungen
Mach dich mit den spezifischen Anforderungen der Stelle vertraut. Du solltest genau wissen, was ein Senior Full-Stack ML Engineer bei diesem Unternehmen macht und welche Technologien gefragt sind. Bereite Beispiele aus deiner bisherigen Erfahrung vor, die zeigen, wie du diese Anforderungen erfüllst.
✨Technische Fähigkeiten demonstrieren
Sei bereit, deine Kenntnisse in Python, PySpark und den relevanten ML-Bibliotheken wie PyTorch oder Scikit-learn zu demonstrieren. Möglicherweise wirst du gebeten, ein kleines Projekt oder eine technische Herausforderung während des Interviews zu lösen. Übe vorher, um sicherzustellen, dass du deine Fähigkeiten klar und präzise präsentieren kannst.
✨Datenkommunikation üben
Da du komplexe technische Konzepte auch Nicht-Technikern erklären musst, übe, wie du deine Ideen einfach und verständlich kommunizieren kannst. Überlege dir, wie du deine bisherigen Projekte und deren Auswirkungen auf das Produkt in einer klaren, nachvollziehbaren Weise präsentieren kannst.
✨Fragen vorbereiten
Bereite einige durchdachte Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse an der Rolle und dem Unternehmen. Frage nach den aktuellen Herausforderungen im Team oder wie der Erfolg in dieser Position gemessen wird. So kannst du auch herausfinden, ob die Unternehmenskultur zu dir passt.
