Engineer / Senior Engineer - Machine Learning AI Platform

Wir sind Omnissa. Die Welt entwickelt sich schnell weiter, und Organisationen überall – von globalen Unternehmen bis hin zu Bildungseinrichtungen – stehen unter Druck, flexible, ortsunabhängige Erfahrungen zu bieten. Sie benötigen sichere, skalierbare, nahtlose digitale Arbeitsumgebungen, die es Mitarbeitern und Kunden ermöglichen, von jedem Gerät aus auf Anwendungen in jeder Cloud zuzugreifen. Das ist der Bereich, in dem Omnissa tätig ist. Die Omnissa-Plattform ist die erste KI-gesteuerte digitale Arbeitsplattform, die darauf ausgelegt ist, intelligente, nahtlose und sichere Arbeitserlebnisse von überall zu liefern. Wir integrieren einzigartig branchenführende Lösungen in Unified Endpoint Management, Virtuelle Apps und Desktops, Digitale Mitarbeitererfahrung sowie Sicherheit und Compliance – alles vereint durch gemeinsame Daten, Identität, Verwaltung und Automatisierungsdienste.

Was ist die Gelegenheit? Unsere Plattform verwaltet Millionen von Geräten über mehrere Betriebssysteme hinweg, was außergewöhnliche Leistung, Skalierbarkeit, Verfügbarkeit und Resilienz erfordert. Sie werden dem AI Platform Team beitreten, der Gruppe, die für den Aufbau grundlegender KI-Fähigkeiten im gesamten Omnissa-Produktökosystem verantwortlich ist. Als Machine Learning Engineer entwerfen, bauen und implementieren Sie maschinelle Lernsysteme, die prädiktive Analysen, Personalisierung, Automatisierung und intelligente Plattformverhalten unterstützen. Sie arbeiten eng mit Ingenieur- und Produktteams zusammen, um Modelle in unserer Cloud-Skalierungsumgebung zu operationalisieren und erstklassige ML-Engineering-Praktiken voranzutreiben. Sie werden Engineering-Initiativen von Anfang bis Ende leiten und dazu beitragen, eine Kultur des hohen Engagements, der kontinuierlichen Verbesserung und der technischen Exzellenz zu fördern.

Verantwortlichkeiten

• Entwerfen, Entwickeln und Bereitstellen von Modellen für maschinelles Lernen zur Klassifikation, Vorhersage, Anomalieerkennung und intelligenten Automatisierung.
• Aufbauen und Pflegen skalierbarer Datenpipelines für Modelltraining, -bewertung und Echtzeit-/Batch-Inferenz.
• Optimieren von ML-Modellen und -Pipelines hinsichtlich Leistung, Skalierbarkeit, Zuverlässigkeit und Kosteneffizienz.
• Zusammenarbeiten mit funktionsübergreifenden Teams zur Integration von ML-Lösungen in zentrale Plattformfunktionen und -dienste.
• Durchführen von Modellerprobungen, -bewertungen und -iterationen unter Verwendung quantitativer Metriken und A/B-Tests nach Bedarf.
• Implementieren von Modellbeobachtbarkeit, Überwachung und Drift-Erkennung, um die Produktionszuverlässigkeit sicherzustellen.
• Aktuell bleiben mit Fortschritten in den Bereichen maschinelles Lernen, KI und LLM-Technologien und deren Anwendung auf Produktanwendungsfälle.

Was bringen Sie zu Omnissa mit?

Erforderliche Fähigkeiten & Erfahrung

• 5 bis 10 Jahre Erfahrung als Ingenieur und 10 bis 18 Jahre als Senior Engineer in den Bereichen maschinelles Lernen oder Datenwissenschaft.
• Starke Kenntnisse in Python und ML-Frameworks (z.B. PyTorch, TensorFlow, Scikit-learn).
• Erfahrung im Aufbau und Betrieb von Datenverarbeitungs-Workflows (Batch oder Streaming) und in der Arbeit mit Cloud-Plattformen (AWS, Azure oder GCP).
• Solides Verständnis von Algorithmen des maschinellen Lernens, Statistik und Techniken zur Modellevaluation.
• Vertrautheit mit Containerisierungs- und Orchestrierungstechnologien (Docker, Kubernetes).
• Praktische Erfahrung mit großen Sprachmodellen (LLMs), einschließlich Feinabstimmung, Prompt-Engineering und Bereitstellung.
• Kenntnisse über Text-Embedding-Modelle und Vektordatenbanken für Retrieval Augmented Generation (RAG)-Systeme.
• Starke Problemlösungsfähigkeiten und die Fähigkeit, effektiv in agilen Teams zusammenzuarbeiten.
• Hochmotiviert, anpassungsfähig und bereit, neue Technologien zu erlernen.

Bevorzugte Fähigkeiten

• Erfahrung mit verteilten Rechenframeworks (z.B. Spark, Ray).
• Erfahrung mit Orchestrierungsframeworks (z.B. LangChain/LangGraph) zum Aufbau von KI-Agenten und Multi-Agenten-Systemen.
• Erfahrung im Aufbau von Feature-Stores oder in der Arbeit mit Vektordatenbanken.
• Kenntnisse über Echtzeitinferenzarchitekturen und Modellüberwachungssysteme.
• Erfahrung in der Entwicklung skalierbarer ML-Dienste über REST/gRPC.