Machine Learning Platform Engineer I

Wir suchen einen Machine Learning Platform Engineer, der unserem Team für die Machine Learning Plattform bei Mollie beitritt, das innerhalb unseres breiteren Datenbereichs angesiedelt ist. Unsere ML-Plattform ermöglicht es Machine Learning Wissenschaftlern, maßgeschneiderte ML-Lösungen in großem Maßstab über Mollie hinweg zu entwickeln und bereitzustellen, einschließlich Bereiche wie Risiko & Betrug, Zahlungen, Händlererfahrung, Finanzdienstleistungen, Markteinführung und mehr.

Als zentrales Team, das für Mollies Machine Learning Plattform verantwortlich ist, kümmern wir uns um die Wartung und kontinuierliche Verbesserung der Plattform, um sicherzustellen, dass sie zuverlässig, skalierbar und für produktionsreife Workloads geeignet bleibt. Wir arbeiten eng mit den Fachbereichen zusammen, um maßgeschneiderte ML-Modelle in Produkte zu integrieren, die Kluft zwischen Forschung und realer Wirkung zu überbrücken und maßgeschneiderte GenAI-Tools und -Plattformen sowohl für interne Mitarbeiter als auch für Mollies Kunden zu entwerfen und zu entwickeln.

Dies ist eine praktische Rolle, in der Sie den Großteil Ihrer Zeit mit dem Schreiben von Python und Terraform verbringen werden, zusammen mit einem Team erfahrener ML Platform Engineers. Basierend im Mollie-Hub in Lissabon sind Sie Teil eines geografisch verteilten Teams, das sich über Amsterdam und Lissabon erstreckt und in einer kollaborativen Umgebung arbeitet, die sowohl Remote- als auch hybride Arbeitsweisen umfasst.

Was Sie tun werden:

• Eng mit ML Platform Engineers, Machine Learning Wissenschaftlern und Ingenieuren in Mollies Fachbereichen zusammenarbeiten, um skalierbare Machine Learning Lösungen zu liefern.
• ML-Modelle in Zusammenarbeit mit Machine Learning Wissenschaftlern in die Produktion bringen und operationalisieren, um die Kluft zwischen Experimentierung und realer Wirkung zu überbrücken.
• Unsere cloudbasierte ML-Plattform auf GCP verbessern und warten, indem Sie täglich produktionsreifes Python und Terraform schreiben.
• CI/CD-Pipelines für das Training und die Inferenz von ML-Modellen aufbauen und pflegen, um zuverlässige und automatisierte Workflows über Umgebungen hinweg sicherzustellen.
• Modellserving-Endpunkte auf Kubernetes bereitstellen, verwalten und skalieren, um latenzarme, hochverfügbare Inferenz für Produktions-Workloads zu gewährleisten.
• Bei der Erweiterung, Entwicklung und dem Hosting von benutzerdefinierten und Open-Source-AI-Tools helfen; damit Teams schnell AI-gestützte Lösungen erstellen und bereitstellen können.
• MLOps-Best-Practices fördern, Standards für Modellversionierung, Experimentverfolgung, Datenvalidierung und automatisches Retraining implementieren.
• Die Zuverlässigkeit der Plattform sicherstellen, indem Sie Beobachtbarkeit, Überwachung und Alarmierung sowohl für die Infrastruktur als auch für die bereitgestellten Modelle einrichten.
• Open-Source-AI-Tools, die bei Mollie gehostet werden (wie LiteLLM und LibreChat), warten und verbessern sowie unsere generativen AI-Fähigkeiten weiter unterstützen und ausbauen.

Was Sie mitbringen:

• Mindestens 1 Jahr Erfahrung in der Bereitstellung und Wartung von ML-Modellen in der Produktion.
• Gutes Verständnis der MLOps-Prinzipien, einschließlich Themen wie Experimentverfolgung, Reproduzierbarkeit, Pipeline-Automatisierung, Modellversionierung und Überwachung in der Produktion.
• Starke praktische Programmierkenntnisse in Python, mit Kenntnissen in gängigen ML- und Datenbibliotheken wie scikit-learn, pandas, NumPy, XGBoost, LightGBM und MLflow.
• Vertrautheit mit mindestens einer großen Cloud-Plattform, vorzugsweise GCP.
• Erfahrung mit Containerisierung (Docker), bevorzugt mit Kenntnissen in Container-Orchestrierungstools wie Kubernetes und Kubeflow.
• Starke Fähigkeit zum Kontextwechsel mit scharfem Blick für Details, schnelle Anpassung an sich ändernde Prioritäten.
• Bevorzugte Vertrautheit mit Infrastructure-as-Code (IaC) Tools wie Terraform.
• Erfahrung im Aufbau und in der Wartung von CI/CD-Pipelines für ML-Workflows.