Senior Machine Learning Ops Engineer

KAYAK, Teil von Booking Holdings (NASDAQ: BKNG), ist eine führende Reisesuchmaschine. Mit Milliarden von Anfragen auf unseren Plattformen helfen wir Menschen, ihren perfekten Flug, Aufenthalt, Mietwagen und Urlaubspaket zu finden. Wir transformieren auch das Geschäftreisewesen mit einer neuen Lösung für Geschäftsreisen, KAYAK for Business.

Als Mitarbeiter von KAYAK sind Sie Teil eines Reiseunternehmens, das ein Portfolio globaler Metasuchmarken betreibt, darunter momondo, Cheapflights und HotelsCombined. Innovation liegt in unserer DNA und jeder Mitarbeiter hat die Möglichkeit, seinen Einfluss geltend zu machen. Unser Fokus liegt darauf, die beste Reisesuchmaschine zu entwickeln, um es jedem zu erleichtern, die Welt zu erleben.

Jedes Machine Learning-Modell, das KAYAK bereitstellt, hängt von einer zuverlässigen, skalierbaren Infrastruktur ab, um vom Experiment zur Produktion zu gelangen — und genau das ermöglicht diese Rolle. KAYAK sucht einen Senior MLOps Engineer, der sich auf das Design und die Implementierung unserer Machine Learning-Infrastruktur und des Produktionslebenszyklus konzentriert. Dies ist eine senior, praktische Rolle, in der Sie die Lücke zwischen Data Science und Produktionstechnik überbrücken werden.

In dieser Rolle werden Sie:

• ML-Infrastruktur end-to-end aufbauen und pflegen: Erweitern und betreiben Sie die Infrastruktur, die jedes Modell, das wir bereitstellen, antreibt — einschließlich CI/CD-Pipelines, Modellorchestrierung und automatisierten Trainingspipelines, die zuverlässig ohne manuelle Eingriffe skalieren.
• Modellbereitstellung und -bereitstellung übernehmen: Helfen Sie dabei, die Standards und Werkzeuge für die Modellbereitstellung zu definieren und weiterzuentwickeln, um niedrige Latenzzeiten und hohe Verfügbarkeit über unsere ML-Dienste hinweg sicherzustellen.
• Wesentliche MLOps-Funktionen entwickeln: Etablieren und pflegen Sie essentielle Infrastruktur, die als zuverlässige, selbstbedienbare Systeme für die gesamte Machine Learning-Organisation fungiert — mit einem Fokus auf Feature Stores, Modellregistrierungen und automatisierte Überwachung für Leistung und Datenabweichung.
• Infrastruktur für das ML-Team operationalisieren: Arbeiten Sie mit dem Operations-Team zusammen, um Kubernetes (k8s) Autoscaling und GPU-Bereitstellung zu ermöglichen, und verwandeln Sie diese in zugängliche, selbstbedienbare Werkzeuge für ML-Praktiker.
• Plattformzuverlässigkeit und -leistung verbessern: Arbeiten Sie mit dem Operations-Team zusammen, um widerstandsfähige Überwachung mit fortschrittlichen Beobachtungswerkzeugen zu entwerfen. Definieren Sie Service-Level-Ziele und implementieren Sie Automatisierung, um manuelle Eingriffe zu reduzieren und die Systemzuverlässigkeit zu verbessern.
• Data Scientists durch standardisierte, optimierte Workflows unterstützen: Verstärken Sie den Einfluss des ML-Teams, indem Sie klare, gut unterstützte "goldene Pfade" erstellen — standardisierte Workflows, die den Lebenszyklus der Modellentwicklung rationalisieren und es Data Scientists ermöglichen, sich auf das Modellieren zu konzentrieren, während Sie die Infrastruktur verwalten.

Bitte bewerben Sie sich, wenn Sie:

• Erfahrung im Aufbau und Betrieb von ML-Plattformen in Produktionsumgebungen haben.
• Solides Wissen über Containerisierung und Orchestrierung (Docker, Kubernetes), Linux-Interna und Modellbereitstellung in großem Maßstab besitzen.
• Vertrautheit mit ML-Lifecycle-Tools, einschließlich Orchestrierungsframeworks, Feature Stores, Modellregistrierungen und Drift- oder Leistungsüberwachung haben.
• Erfahrung im Besitz von Produktionssystemen: Definition von Service-Level-Zielen (SLOs), Aufbau von Beobachtbarkeit (zum Beispiel mit Tools wie Prometheus, Grafana oder Datadog), Teilnahme an Vorfallreaktionen und systematische Diagnose großangelegter Ausfälle suchen.
• Komfort beim Schreiben von produktionsreifem Code in Python oder einer vergleichbaren Sprache haben.
• Erfahrung in der Modernisierung von Produktionsinfrastrukturen mit Blick auf Zuverlässigkeit, Risiko und Kosten haben.
• Die Fähigkeit besitzen, technische Ergebnisse zu übernehmen, Entscheidungen anhand von Daten zu vertreten und klar schriftlich sowie mündlich zu kommunizieren — sowohl an technische als auch an nicht-technische Zielgruppen.

Vorteile und Vergünstigungen:

• Arbeiten Sie (fast) überall für bis zu 20 Tage pro Jahr.
• Fokus auf psychische Gesundheit und Wohlbefinden: Unternehmensfinanzierte Therapiesitzungen über SpringHealth, Unternehmensfinanzierte Mitgliedschaft bei HeadSpace.
• Einmal jährlich eine Woche frei – das gesamte Team lädt vollständig auf (und kehrt ohne Arbeitsstau zurück!).
• Freitag ohne Meetings, bezahlte Elternzeit, bezahlte Freiwilligenzeit.
• Fokus auf Ihre Karriereentwicklung: Entwicklungsgelder, Führungskräfteentwicklung, Zugang zu Tausenden von On-Demand-E-Learnings, Reiserrabatte, Mitarbeiterressourcengruppen.
• 6 Wochen bezahlter Urlaub + ein Tag frei für Ihren Geburtstag, kostenloses Mittagessen an 2 Tagen pro Woche, Rentenplanbeiträge, öffentliche Verkehrsmittelzuschüsse, Fahrradleasingprogramm, monatliche soziale Veranstaltungen, Donnerstag Happy Hours, Sportteams.
• Ein tolles Büro in Friedrichshain, Berlin.

Inklusion: Bei KAYAK möchten wir, dass jeder den Raum hat, zu wachsen, Ideen zu teilen und großartige Arbeit zu leisten. Deshalb konzentrieren wir uns darauf, die besten Talente aus allen Lebensbereichen und Erfahrungen einzustellen, sie gut zu unterstützen und sicherzustellen, dass sich niemand gezwungen fühlt, in ein bestimmtes Muster zu passen, um hierher zu gehören.

Benötigen Sie Anpassungen für das Interview, die Bewerbung oder den Job? Kein Problem – geben Sie uns einfach Bescheid. Wir sind für Sie da.