Auf einen Blick
- Aufgaben: Entwickle skalierbare Daten- und ML-Lösungen auf AWS für Unternehmensanalysen.
- Unternehmen: Innovatives Unternehmen im Bereich Datenengineering und KI.
- Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitskultur und Karrierewachstum.
- Weitere Informationen: Vollständig remote, kollaboratives globales Team und Zugang zu neuesten Technologien.
- Warum dieser Job: Gestalte moderne Datenplattformen und arbeite an spannenden KI-Projekten.
- Qualifikationen: 5+ Jahre Erfahrung in Daten- oder ML-Engineering, insbesondere mit AWS.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und nächsten Schritte verwaltet. Unser Partner sucht einen Senior Data/ML Engineer (AWS) mit Sitz in Deutschland. Diese Rolle befindet sich an der Schnittstelle zwischen fortgeschrittener Datenverarbeitung und angewandtem maschinellen Lernen und konzentriert sich auf den Aufbau skalierbarer, cloud-nativer Datenplattformen auf AWS. Sie werden moderne Datenseen, Streaming-Pipelines und ML-gesteuerte Dienste entwerfen und entwickeln, die Analysen und intelligente Automatisierung in Unternehmenssystemen unterstützen.
Die Position umfasst die Arbeit mit großangelegten, mehrquelligen Datensätzen aus operativen, Kunden- und Marketingbereichen. Sie werden zum Design des gesamten Datenlebenszyklus beitragen, von der Aufnahme und Transformation bis hin zur Bereitstellung und Überwachung von Modellen. Die Umgebung ist hochgradig kollaborativ und umfasst Dateningenieure, ML-Ingenieure, DevOps und Architektureteams. Dies ist eine Gelegenheit, produktionsreife Datenökosysteme zu gestalten, die direkt KI-gesteuerte Geschäftsfähigkeiten ermöglichen.
Verantwortlichkeiten:
- Entwurf und Lieferung skalierbarer Daten- und ML-Lösungen, die unternehmensgerechte Analysen und KI-Anwendungsfälle unterstützen.
- Entwicklung und Implementierung von Multi-Zonen-Datensee-Architekturen auf AWS unter Verwendung von S3, einschließlich roher, kuratierter und analytikbereiter Schichten, die mit den Unternehmensanforderungen übereinstimmen.
- Aufbau und Wartung von Batch- und Echtzeit-Datenpipelines unter Verwendung von Diensten wie AWS Glue, Kinesis und Step Functions zur Integration verschiedener Datenquellen.
- Entwicklung von ETL-Workflows, Datenumwandlungen und Metadatenmanagement-Frameworks unter Verwendung des AWS Glue Data Catalog und verwandter Tools.
- Bereitstellung und Operationalisierung von ML-Modellen mit Amazon SageMaker für Anwendungsfälle wie Vorhersage, Bewertung und Segmentierung.
- Integration generativer KI-Funktionen mit Amazon Bedrock zur Ermöglichung intelligenter Automatisierung, Personalisierung und Anreicherungs-Workflows.
- Unterstützung von Datenmigrationsinitiativen von Azure nach AWS, einschließlich Schema-Mapping, Validierung, Abgleich und Leistungsoptimierung.
- Implementierung von Daten-Governance, Sicherheit und Zugriffskontrollen mit AWS Lake Formation und Sicherstellung der Einhaltung von Datenstandards.
- Zusammenarbeit mit funktionsübergreifenden Teams zur Definition der Architektur, Pflege der Dokumentation und Sicherstellung der Datenqualität über alle Pipelines und Ausgaben hinweg.
Anforderungen:
- Der ideale Kandidat bringt umfangreiche Erfahrung in der Cloud-Datenverarbeitung und im angewandten maschinellen Lernen in AWS-Umgebungen mit.
- 5+ Jahre Erfahrung in der Datenverarbeitung oder ML-Engineering, davon mindestens 2+ Jahre umfassende Erfahrung mit AWS.
- Starke Kenntnisse in Python und SQL mit praktischer Erfahrung im Aufbau skalierbarer Datenpipelines.
- Tiefes Wissen über AWS-Dienste, einschließlich S3, Glue, Athena, Kinesis, Lambda und Step Functions.
- Erfahrung mit Amazon SageMaker für das Training, Tuning, Bereitstellung und die Überwachung von ML-Modellen in der Produktion.
- Praktisches Wissen über Amazon Bedrock oder andere generative KI-Frameworks für Unternehmensanwendungen.
- Erfahrung im Entwurf und in der Wartung von Datensee-Architekturen mit starken Governance- und Sicherheitsmodellen.
- Vertrautheit mit Azure-Datenplattformen und Cloud-Migrationsprojekten ist sehr wünschenswert.
- Starkes Verständnis von Datenmodellierung, Feature Engineering und Best Practices zur Integration von ML.
- Exzellente Problemlösungs-, Kommunikations- und Kollaborationsfähigkeiten in agilen Umgebungen.
Vorteile:
- Wettbewerbsfähiges Vergütungspaket, das an Erfahrung und Fachwissen angepasst ist.
- Vollständig remote Arbeitsmöglichkeit.
- Einblick in modernste AWS-Daten- und AI/ML-Technologien.
- Gelegenheit, an großangelegten Unternehmensdaten-Transformationsprogrammen zu arbeiten.
- Kollaborative und funktionsübergreifende globale Ingenieurumgebung.
- Karrierewachstum in den Bereichen fortgeschrittene Datenverarbeitung und maschinelles Lernen.
- Flexible Arbeitskultur, die Autonomie und Eigenverantwortung unterstützt.
Senior Data/ML Engineer (AWS) Arbeitgeber: Jobgether
Unser Partnerunternehmen bietet eine hervorragende Arbeitsumgebung für Senior Data/ML Engineers (AWS) in Deutschland, die sich durch eine flexible und kollaborative Kultur auszeichnet. Mitarbeiter profitieren von einem wettbewerbsfähigen Gehalt, der Möglichkeit, vollständig remote zu arbeiten, und Zugang zu modernsten Technologien im Bereich Daten und KI/ML. Zudem werden umfangreiche Karrierewachstumschancen in einem dynamischen, globalen Engineering-Team geboten, das innovative Lösungen für große Unternehmensdatenprojekte entwickelt.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Data/ML Engineer (AWS) erhalten könnten
✨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 Jobgether 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 Senior Data/ML Engineer (AWS) 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 Senior Data/ML Engineer (AWS) bei Jobgether gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Jobgether 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 Jobgether entscheidend sein!
