Auf einen Blick
- Aufgaben: Entwickle und betreibe skalierbare Daten- und ML-Plattformen für Doodle.
- Unternehmen: Doodle, eine innovative B2B SaaS-Plattform mit einem dynamischen Team.
- Vorteile: Flexibles Arbeiten, wettbewerbsfähiges Gehalt und Entwicklungsmöglichkeiten.
- Weitere Informationen: Vielfältige Teams fördern Kreativität und Innovation.
- Warum dieser Job: Gestalte die Zukunft von Daten und Machine Learning in einem wachsenden Unternehmen.
- Qualifikationen: Erfahrung in Datenengineering, MLOps und starke Python- und SQL-Kenntnisse.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Baue die Daten- und Machine Learning-Grundlage hinter jedem Doodle-Produkt. Doodle ist eine B2B-SaaS-Plattform, die von Millionen von Fachleuten genutzt wird, um Meetings und Zusammenarbeit zu koordinieren. Zuverlässige Dateninfrastruktur und gut betriebene Machine Learning-Systeme sind entscheidend für den Aufbau sicherer, intelligenter und skalierbarer Produkte für unsere Kunden.
Als Data Infrastructure & MLOps Engineer entwirfst, baust und betreibst du die Plattformen, die Datenengineering, Analytik und Machine Learning bei Doodle ermöglichen. Du arbeitest eng mit Produkt-, Ingenieur-, Daten- und Sicherheitsteams zusammen, um Daten leichter zugänglich zu machen, Modelle einfacher bereitzustellen und Systeme einfacher zu überwachen und zu warten.
Was du tun wirst:
- Dateninfrastruktur & Plattformengineering: Entwerfe, baue und betreibe skalierbare Dateninfrastrukturen für Ingestion, Transformation, Speicherung und Bereitstellung.
- Entwickle zuverlässige Batch- und Streaming-Datenpipelines, die Produktanalysen, Business Intelligence und Machine Learning-Anwendungsfälle unterstützen.
- Etabliere Standards für Datenplattformen hinsichtlich Leistung, Verfügbarkeit, Beobachtbarkeit, Dokumentation und Kostenmanagement.
- Verbessere die Auffindbarkeit und Benutzerfreundlichkeit von Daten durch Katalogisierung, Herkunft, Eigentum und Qualitätsprozesse.
- Machine Learning-Operationen: Baue und pflege MLOps-Workflows, die Experimentierung, Daten- und Modellversionierung, Training, Evaluierung, Bereitstellung und Rollback abdecken.
- Betreibe Machine Learning-Workloads in der Produktion, einschließlich Modellbereitstellung, Feature-Pipelines, geplanter Neutrainings und Inferenzinfrastruktur.
- Arbeite mit Datenwissenschaftlern und Software-Ingenieuren zusammen, um Prototypen in zuverlässige, wartbare Produktionsdienste umzuwandeln.
- Führe wiederholbare Ansätze für Modellvalidierung, Überwachung, Drift-Erkennung, Leistungsbewertung und Vorfallreaktion ein.
- Cloud-Infrastruktur & Automatisierung: Verwaltet cloudbasierte Daten- und Machine Learning-Infrastruktur mithilfe von Infrastruktur als Code und automatisierten Bereitstellungspraktiken.
- Baue sichere, reproduzierbare Umgebungen für Entwicklung, Test und Produktion.
- Verbessere die Effizienz der Plattform durch Automatisierung, Kapazitätsplanung, Ressourcenoptimierung und sinnvolle Kostenkontrollen.
- Trage zu Architekturentscheidungen der Plattform bei und helfe, die technischen Grundlagen von Doodle weiterzuentwickeln, während das Geschäft wächst.
- Zuverlässigkeit, Sicherheit & Governance: Definiere und pflege Service-Level-Ziele, betriebliche Handbücher, Alarme, Dashboards und Bereitschaftsprozesse für kritische Daten- und ML-Systeme.
- Schütze sensible Daten durch geeignete Zugriffskontrollen, Verschlüsselung, Geheimnisverwaltung, Aufbewahrungsrichtlinien und sichere Entwicklungspraktiken.
- Unterstütze Compliance-, Datenschutz- und verantwortungsvolle KI-Anforderungen, indem du Daten- und Modelloperationen nachvollziehbar, prüfbar und gut dokumentiert machst.
- Untersuche Vorfälle, führe Ursachenanalysen durch und implementiere präventive Verbesserungen auf der Plattform.
- Zusammenarbeit & Befähigung: Arbeite mit Produkt-, Ingenieur-, Analyse-, Datenwissenschafts-, Sicherheits- und Betriebsteams zusammen, um Anforderungen zu verstehen und praktische Plattformlösungen zu liefern.
- Erstelle klare Dokumentationen, wiederverwendbare Werkzeuge und Self-Service-Workflows, die es Teams ermöglichen, unabhängig zu arbeiten.
- Trage zu Ingenieurstandards, technischer Planung, Code-Reviews und Wissensaustausch bei.
Was du mitbringst:
- Berufserfahrung im Datenengineering, Plattformengineering, MLOps, DevOps oder einer verwandten Rolle.
- Starke Python- und SQL-Kenntnisse mit Erfahrung in der Entwicklung von produktionsreifen Software- und Datenpipelines.
- Praktische Erfahrung mit Cloud-Infrastruktur, Containern, CI/CD und Infrastruktur als Code.
- Erfahrung mit Data Warehouses, Data Lakes, Workflow-Orchestrierung und Batch- oder Streaming-Verarbeitung.
- Praktisches Wissen über das Management des Lebenszyklus von Machine Learning, Modellbereitstellung, Überwachung und Reproduzierbarkeit.
- Erfahrung mit Beobachtbarkeit, Vorfallmanagement, Systemzuverlässigkeit und Leistungsoptimierung.
- Ein sicherheitsbewusster Ansatz für den Datenzugriff, Datenschutz, Geheimnisverwaltung und Produktionsoperationen.
- Starke Kommunikationsfähigkeiten und die Fähigkeit, technische Entscheidungen sowohl technischen als auch nicht-technischen Stakeholdern zu erklären.
Nice to Have:
- Erfahrung mit Tools wie Kubernetes, Terraform, Airflow, dbt, Spark, Kafka, MLflow oder ähnlichen Technologien.
- Erfahrung im Betrieb von Machine Learning-Systemen in einer B2B-SaaS- oder schnell wachsenden Technologieumgebung.
- Kenntnisse über Feature Stores, Vektordatenbanken, LLM-Anwendungen, retrieval-augmented generation oder agentic AI-Systeme.
- Erfahrung in der Implementierung von Datenqualitätsrahmen, Herkunft, Governance und Datenschutzkontrollen.
- Erfahrung in der Unterstützung von ISO 27001, SOC 2, GDPR oder anderen Sicherheits- und Compliance-Programmen.
- Interesse am Aufbau einfacher, skalierbarer Plattformen, die die operationale Komplexität für andere Teams reduzieren.
Hiring Journey:
- Erste Bewerbungsprüfung + BRYQ-Bewertung
- Interview mit dem Einstellungsmanager
- Technische Bewertung
- Kreuzfunktionales technisches Interview
- Exekutives Interview + HR-Interview
So, nimm Kontakt auf! Bei Doodle setzen wir uns dafür ein, ein Umfeld des gegenseitigen Vertrauens und Respekts zu schaffen, in dem allen Bewerbern und Teamkollegen ohne Rücksicht auf Alter, Rasse, Hautfarbe, Behinderung, Religion, Geschlecht oder sexuelle Orientierung gleiche Beschäftigungsmöglichkeiten zur Verfügung stehen. Vielfalt und Inklusion sind uns wichtig, da die besten Produkte von Teams mit unterschiedlichen Erfahrungen, Perspektiven und Hintergründen entwickelt werden. WICHTIGE HINWEIS: Bitte beachte, dass wir deine Bewerbung nur berücksichtigen können, wenn du in Deutschland ansässig bist und das Recht hast, dort zu arbeiten. Zurzeit können wir für diese Position keine Visa sponsern oder Umzüge unterstützen.
Data Infrastructure & MLOps Engineer (all genders) Arbeitgeber: Doodle
Doodle ist ein hervorragender Arbeitgeber, der eine dynamische und inklusive Arbeitsumgebung bietet, in der Mitarbeiter ihre Fähigkeiten im Bereich Produktwachstum voll entfalten können. Mit einem flexiblen hybriden Arbeitsmodell, großzügigen Urlaubstagen und einem klaren Fokus auf berufliche Weiterentwicklung durch Schulungsbudgets und Konferenzen, fördert Doodle nicht nur das persönliche Wachstum, sondern auch die Teamkultur durch regelmäßige Unternehmensveranstaltungen und gemeinsame Mittagessen. Die Möglichkeit, bis zu drei Monate innerhalb der EU und einen Monat außerhalb der EU zu arbeiten, macht Doodle zu einem attraktiven Arbeitsplatz für Fachkräfte, die nach einer sinnvollen und bereichernden Karriere suchen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Infrastructure & MLOps Engineer (all genders) erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Doodle zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Infrastructure & MLOps Engineer (all genders) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Infrastructure & MLOps Engineer (all genders) bei Doodle gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Doodle vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Doodle entscheidend sein!
