Auf einen Blick
- Aufgaben: Entwickle innovative ML-Modelle zur Optimierung von Logistikprozessen und Preismodellen.
- Unternehmen: Sennder, Europas führender digitaler Frachtführer mit einem dynamischen Team.
- Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitszeiten, gesundes Arbeitsumfeld und Entwicklungsmöglichkeiten.
- Weitere Informationen: Vielfältige Kultur mit Kollegen aus 74 Nationalitäten und tollen Büros.
- Warum dieser Job: Gestalte die Zukunft der Logistik mit KI und erziele echte Auswirkungen.
- Qualifikationen: Mindestens 5 Jahre Erfahrung in Data Science oder Machine Learning Engineering.
Das prognostizierte Gehalt liegt zwischen 54000 - 66000 € pro Jahr.
sennder ist dabei, die Straßenlogistik neu zu definieren. Als Europas führender digitaler Frachtführer bauen wir eine intelligentere, schnellere und nachhaltigere Zukunft für den Frachtverkehr auf, unterstützt durch eine einheitliche Plattform, die bereits unser gesamtes Geschäft betreibt. Wir bewegen uns von einem Jahrzehnt des Wachstums durch Akquisitionen hin zu einem Unternehmen, das ergebnisorientiert, nach außen fokussiert und von Natur aus KI-nativ ist. Logistik ist einer der besten Anwendungsfälle für KI, und im Gegensatz zu den meisten unserer Mitbewerber besitzen wir den gesamten Kreislauf: die Plattform, die Operationen und die Daten, die sie verbinden. Dieser geschlossene Feedback-Kreislauf ist ein sich verstärkender Vorteil, den die meisten Wettbewerber nicht replizieren können.
Diese Rolle existiert, um diesen Vorteil in sennders schärfste Kante in Bezug auf Marge, Kosten und Service umzuwandeln, denn KI wird uns diesen Vorteil verschaffen, wenn wir führen, oder ein Risiko darstellen, wenn wir zurückfallen. Als Machine Learning Engineer werden Sie Teil unseres hochqualifizierten ML-Teams. Dies ist eine angewandte Machine-Learning-Rolle, die sich auf hochinnovative, forschungsorientierte Themen konzentriert. Sie werden an einem vielfältigen Portfolio von Projekten mit hoher Wirkung arbeiten, die von der Optimierung unserer etablierten Empfehlungs- und Preisbildungs-Engines bis hin zum Aufbau neuer Lösungen reichen.
Um erfolgreich zu sein, erfordert diese Rolle einen starken Fokus auf tiefgehende Datenwissenschaft und statistische Exploration (ungefähr 70 % Ihres Aufgabenbereichs), kombiniert mit den grundlegenden Fähigkeiten im Bereich Machine Learning Engineering (~30 %), die erforderlich sind, um Prototypen in produktionsbereite Modelle zu überführen. Sie werden nicht nur technische Spezifikationen umsetzen; Sie werden direkt mit Endbenutzern, Betreibern und Produktmanagern zusammenarbeiten, um deren Arbeitsabläufe tiefgehend zu verstehen, was Ihnen echte Entscheidungsbefugnis über die Richtung des Produkts verleiht.
Sie sollten einen ganzheitlichen Ansatz für die Projektbereitstellung haben, als End-to-End-ML-Ingenieur agieren und die volle Verantwortung vom "Light MVP" R&D bis zur Produktionsbereitstellung übernehmen.
WAS SIE TUN WERDEN…
- Preisbildungs-Engine-Optimierung: Entwicklung und Iteration von Gebotsabschätzungsalgorithmen und Margenoptimierungsmodellen zur Unterstützung unserer dynamischen Preisbildungs-Engine, die direkt die Rentabilität des Unternehmens steigert.
- Carrier-Prognose: Aufbau robuster prädiktiver Modelle zur Vorhersage des Verhaltens von Frachtführern und der Marktkapazität, um unseren operativen Teams zu ermöglichen, die richtigen Lkw zum richtigen Preis zu sichern, bevor sich der Markt verändert.
- Empfehlungssysteme: Pflege und Verbesserung unserer bestehenden Empfehlungssysteme zur nahtlosen Unterstützung der täglichen Effizienz unserer operativen Teams.
- Branchinnovation & angewandte ML: Erforschen und Validieren neuer Bereiche, in denen maschinelles Lernen grundlegende logistische Herausforderungen lösen kann (wie z.B. Fracht-Routing und Netzwerkoptimierung), und offene Branchenprobleme in skalierbare, datengestützte Lösungen umwandeln.
- Produktentdeckung & Ideation: Enge Zusammenarbeit mit Produktmanagern zur kontinuierlichen Produktentdeckung, Übersetzung unklarer operativer Schmerzpunkte in klare, ergebnisorientierte ML-Hypothesen und schnelle Prototypen.
- KI- & LLM-Integration: Nutzung von Grundmodellen und KI-Agenten sowohl als tägliche Beschleuniger für Ihre eigenen Ingenieurarbeitsabläufe als auch als zentrale Komponenten zum Aufbau neuer interner Produkte.
- Plattform-Zusammenarbeit: Zusammenarbeit mit unserem Data & AI Platform (MLOps) Team zur Nutzung und Bereitstellung von Modellen über unsere interne ML-Infrastruktur.
- End-to-End-Ausführung: Annahme eines ganzheitlichen Ansatzes für die Projektbereitstellung, der den gesamten Lebenszyklus von der anfänglichen Forschung und Entwicklung und dem Prototyping bis hin zur Produktionsfreigabe und -überwachung abdeckt.
WAS WIR SUCHEN…
- Erfahrung: Über 5 Jahre praktische Erfahrung in Data Science oder Machine Learning Engineering.
- Datenwissenschaftliche Grundlagen: Starke Grundlage in statistischer Analyse, Hypothesentestung und tiefgehender Datenexploration zur Validierung von Annahmen und kommerzieller Tragfähigkeit, bevor komplexe Modelle erstellt werden. Sie müssen über Kenntnisse in ML-Ansätzen verfügen, um grundlegende Regressions- und Klassifikationsprobleme zu lösen.
- ML Engineering: Erfahrung in der Bereitstellung von Modellen in Produktionsumgebungen, Schreiben von modularer Software und Verständnis der besten Praktiken in der Softwareentwicklung.
- Technische Fähigkeiten: Starke Kenntnisse in Python, SQL und Git. Erfahrung mit Cloud-Datenlagern (z.B. Snowflake), Nutzung von Jupyter Notebooks zur Datenexploration und Erstellung interaktiver Datenanwendungen/Dashboards (z.B. Streamlit, PowerBI) zur Visualisierung von Ergebnissen für Stakeholder.
- KI-Kompetenz: Solides Verständnis dafür, wie man große Sprachmodelle (LLMs) und verwandte KI-Tools in einer Produktionsumgebung einrichtet, bewertet und nutzt.
- Geschäftssinn: Fähigkeit, komplexe und facettenreiche logistische Probleme in datengestützte Lösungen zu übersetzen, wobei 'Ergebnis über Output' priorisiert wird.
- Zusammenarbeit: Starke Kommunikationsfähigkeiten, um eng mit Produktmanagern, Endbenutzern und einem vielfältigen Team von ML-Ingenieuren, Datenwissenschaftlern und Plattformingenieuren zusammenzuarbeiten.
WARUM SENNDER WÄHLEN…
- Einfluss: Bauen Sie die Daten- und KI-Grundlage für Europas führende digitale Frachtplattform auf, während sennder sich von einem Kauf- und Bauansatz zu einem ergebnisorientierten und KI-nativen Ansatz wandelt.
- Lebendige Arbeitsräume: Unsere Büros sind mit gesunden Snacks, Fokuszonen und sozialen Bereichen ausgestattet, um Sie energiegeladen und verbunden zu halten. Zu den Highlights gehören eine Rutsche in unserem Büro in Wroclaw und eine sonnige Dachterrasse in Berlin, Amsterdam und Mailand.
- Kultur: Arbeiten Sie in einem schnelllebigen, hybriden Umfeld mit 1.100 talentierten, vielfältigen Kollegen aus 74 Nationalitäten. Wir priorisieren das Wohlbefinden durch Initiativen wie unser sennCare-Programm und eine Partnerschaft mit nilo.
- Wachstum & Belohnungen: Wir glauben daran, unser Team für sein Engagement und seine Beiträge zu unserem langfristigen Erfolg zu belohnen. Unser Vergütungspaket kann Leistungsboni, Empfehlungsprämien oder Eigenkapital umfassen, die mit unserem Ziel übereinstimmen, gemeinsam ein florierendes Unternehmen aufzubauen.
Wir feiern Vielfalt und schätzen Ihren Charakter ebenso sehr wie Ihre Fähigkeiten. Wenn Sie nicht alle Anforderungen erfüllen, machen Sie sich keine Sorgen, wir ermutigen Sie dennoch, es zu versuchen und sich zu bewerben. Bringen Sie Ihr authentisches Ich mit und helfen Sie uns, die Zukunft der Logistik in Europa zu gestalten.
Machine Learning Engineer (Copy) Arbeitgeber: Everoad by sennder
sennder ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen Scale-Up-Umfeld zu wachsen und sich weiterzuentwickeln. Mit einem starken Fokus auf Mitarbeiterwohlbefinden, innovativen Initiativen wie dem sennCare-Programm und einer Unternehmenskultur, die Teamarbeit und unternehmerisches Denken fördert, schaffen wir eine Umgebung, in der jeder Einzelne geschätzt wird. Unsere Büros in Berlin und Amsterdam bieten nicht nur moderne Arbeitsplätze, sondern auch Annehmlichkeiten wie gesunde Snacks und entspannende Gemeinschaftsbereiche, die das Arbeiten angenehm gestalten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Machine Learning Engineer (Copy) 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 Everoad by sennder 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 Machine Learning Engineer (Copy) 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 Machine Learning Engineer (Copy) bei Everoad by sennder gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Everoad by sennder 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 Everoad by sennder entscheidend sein!