Data Scientist (Python / Azure ML) – Real-Time AI Decisioning - Frankfurt - €85–100K

Wenn Sie KI-Systeme entwickeln möchten, die in Echtzeit Entscheidungen treffen – nicht nur Offline-Vorhersagen erstellen – ist diese Rolle wirklich selten. Dieses Unternehmen hat eine Plattform für KI-Entscheidungen der nächsten Generation entwickelt, die Verhalten in großem Maßstab interpretiert und Hunderte automatisierter Entscheidungen pro Sekunde trifft. Ihre Modelle verwandeln rohe Verhaltenssignale in Echtzeitwerte, die personalisierte Rankings, Empfehlungen und Benutzererfahrungen über Millionen von Reisen steuern.

Sie arbeiten mit modernster ML-Technologie, Echtzeitinferenz, Azure ML-Pipelines und einer Hochgeschwindigkeits-Produktionsumgebung, in der Ihre Arbeit direkt die Ergebnisse beeinflusst, die die Benutzer sehen.

• Sie bauen produktionsreife ML-Systeme, die kontinuierlich laufen – nicht nur Notebooks.
• Ihre Arbeit ermöglicht Echtzeitentscheidungen über massive Verhaltensdatensätze.
• Wahre Autonomie: geringe Bürokratie, hohes Vertrauen, moderne Ingenieurskultur.
• Enge Zusammenarbeit mit angewandter KI, Ingenieurwesen und Produkt.
• Sie erhalten ein Start-up-ähnliches Eigentum, unterstützt durch die Stabilität einer etablierten Technologiemarke.
• Diese Plattform repräsentiert die Zukunft, wie digitale Produkte in großem Maßstab entscheiden und sich anpassen.

• End-to-End-ML-Modelle für Benutzerprofilierung, Empfehlungen, Sortierung und Anreize erstellen.
• Frameworks wie scikit-learn, PyTorch und GPU-beschleunigte Tools verwenden.
• In Azure ML arbeiten: Daten-Workflows, Pipelines, Training, Umgebungen, Endpunkte, Berechnungen.
• NLP und Computer Vision anwenden, um das Verständnis von Benutzern und Produkten zu bereichern.
• Ergebnisse durch A/B-Tests und Leistungsüberwachung validieren und kommunizieren.

Ein kollaborativer, ehrgeiziger Data Scientist, der Qualität, Klarheit und messbare Auswirkungen schätzt. Sie bringen mit:

• 5 Jahre praktische Erfahrung im maschinellen Lernen mit Python.
• Praktische Cloud-Erfahrung (Azure bevorzugt).
• Starkes Wissen über ML/Daten-Toolkits: pandas, numpy, scikit-learn, PyTorch, dask, polars, rapids.
• Sie wissen oder möchten lernen: Arbeiten mit verschiedenen Datensätzen (Blob Storage, MongoDB, Elasticsearch, Cassandra).
• Den vollständigen ML-Lebenszyklus: Sampling, Bereitstellung, Skalierung von Endpunkten (Kubernetes/AKS), Überwachung.
• Aufbau skalierbarer, produktionsbereiter ML-Pipelines – nicht nur Experimente.

Bewerben Sie sich jetzt, um nichts zu verpassen!