Machine Learning Engineer

Join Impress - Europas führender Health-Tech Innovator! Wir suchen einen starken Machine Learning Engineer mit über 3 Jahren praktischer Erfahrung und tiefen Grundlagen in ML-Algorithmen und Modellierung. Sie werden Modelle entwerfen und implementieren, die Entscheidungen in unserem Unternehmen vorantreiben - Scoring, Ranking, Uplift, Prognosen, Empfehlungen und NLP - und jedes Problem von der Formulierung bis zur Produktion und gemessenen Auswirkungen übernehmen.

Unser Data & ML-Team entwickelt die Modelle, die Patienten- und Betriebsentscheidungen bei Impress, der größten Kette von Kieferorthopädiekliniken in Europa, unterstützen, indem es Signale aus der Kommunikation mit Patienten gewinnt. Sie haben die Möglichkeit, diese weiterzuentwickeln und neue Modellierungsrichtungen zu eröffnen, während das Unternehmen wächst.

Warum wir cool sind:

• Arbeiten Sie mit einem internationalen und multikulturellen Team
• Wettbewerbsfähiges Gehalt
• Vorteile für Zahnspangen und Zahnaufhellung
• Kollaborative Arbeitsumgebung und positive Kultur
• Chancen zur Weiterentwicklung in einem schnelllebigen, innovativen Unternehmen und echte Start-up-Erfahrung mit großen Herausforderungen
• Frisches Obst und gesunde Snacks im Büro

Was Sie tun werden:

• Vielfältige ML-Probleme formulieren und lösen - Klassifikation, Regression, Ranking, Uplift / kausale Modellierung, Prognosen, Empfehlungen, Anomalieerkennung und einige NLP-Verarbeitung.
• Modelle über das algorithmische Spektrum hinweg erstellen - von Gradient Boosting und klassischem ML bis hin zu Deep Learning (hauptsächlich Inferenz) - das richtige Werkzeug wählen, nicht nur das Trendige.
• NLP / DL auf unstrukturierte Daten anwenden (Text, Gespräche, Kommunikationen): Klassifikation, Intent-Erkennung, Einbettungen, Zusammenfassungen, Informationsbeschaffung.
• Experimente und A/B-Tests entwerfen - Offline-Metriken und Online-Erfolgskriterien definieren, über Baselines, kausale Effekte und statistische Signifikanz nachdenken und beweisen, dass Modelle tatsächlich einen Unterschied machen.
• Den gesamten Lebenszyklus besitzen - Datenextraktion und Merkmalsengineering, Training und Evaluierung, Bereitstellung, Retraining und Überwachung auf Drift und Datenqualität.
• Den technischen Standard setzen - Rigorosität in der Evaluierung einbringen, gegen Leakage und Overfitting wahren und in solider ML-Praxis mentorieren.

Anforderungen:

• Starke ML-Grundlagen: Wahrscheinlichkeit und Statistik, Optimierung, Bias/Varianz, Regularisierung, Modellauswertung und ein echtes Verständnis der Algorithmen hinter den Bibliotheken.
• Breite der Modellierungserfahrung: Baum-Ensembles (Boosting/Bagging), lineare Modelle, Clustering und Deep Learning (CNNs/RNNs/Transformers) - und das Urteilsvermögen, zwischen ihnen zu wählen.
• Experimentation: Vertrautheit mit Uplift / kausaler Inferenz und Experimentation oder ein starker Antrieb, dies zu meistern.
• NLP / LLM-Erfahrung (Einbettungen, Transformer, Feinabstimmung oder Aufforderung).
• Technologiestack: Starke Python-Kenntnisse und das ML-Ökosystem (NumPy, pandas, scikit-learn; PyTorch oder TensorFlow; Gradient-Boosting-Bibliotheken).
• Produktionsnachweis: Modelle in die Produktion bringen, nicht nur Notebooks - und deren Auswirkungen messen.
• Software-Grundlagen: sauberen Code, SQL, Versionskontrolle, Tests.

Schön zu haben:

• MLOps-Reife: Experimentverfolgung, CI/CD für Modelle, Feature-Stores, Modellüberwachung.
• Infrastruktur: Cloud (AWS / GCP), Data Warehouses, Orchestrierung (Airflow oder ähnlich), Bereitstellung (FastAPI, Docker).
• Gemeinschaft: Veröffentlichungen, Wettbewerbe.

Bei Impress pflegen wir eine Kultur der Inklusion und Vielfalt. Wir feiern die individuellen Stärken, Ansichten und Erfahrungen unserer Mitarbeiter und ermutigen alle Kandidaten zur Bewerbung, unabhängig von Rasse, Hautfarbe, Religion, Geschlechtsidentität, sexueller Orientierung, Alter, nationaler Herkunft, Behinderung oder einem anderen Faktor.