Was du unbedingt mitbringst
- Solide Grundlagen in Machine-Learning-Konzepten und der Bewertung von Modellen, welche du durch dein Studium, eine Weiterbildung oder praktische bzw. berufliche Erfahrung gesammelt hast.
- Praktische Python-Kenntnisse und die Fähigkeit, klaren und gut wartbaren Code zu schreiben.
- Erste Berührungspunkte im Umgang mit Daten und SQL.
- Erste praktische Erfahrung bei der Entwicklung einer ML-Lösung.
- Interesse daran zu lernen, wie Modelle und Datenpipelines in Produktionsumgebungen bereitgestellt, überwacht und verbessert werden.
- Eine strukturierte Herangehensweise an die Problemlösung.
- Klare Kommunikationsfähigkeiten sowie eine offene und kooperative Arbeitsweise.
- Gute Englischkenntnisse für die tägliche Kommunikation.
Was du idealerweise noch mitbringst
- Erste Erfahrungen mit Docker oder einem anderen Containerisierungstool.
- Erste Berührungspunkte mit AWS, GCP oder einer anderen Cloud-Plattform.
- Vertrautheit mit NLP, Anwendungen großer Sprachmodelle (LLMs) oder KI-Agenten.
- Erfahrung mit NoSQL-Datenbanken, verteilter Datenverarbeitung oder Streaming-Technologien.
- Grundkenntnisse gängiger Software-Engineering-Praktiken wie Versionskontrolle, Testing und Continuous Integration.
- Erfahrung mit dem Betrieb, der Überwachung oder der Fehlerbehebung bei einem ML-Modell oder einer Datenpipeline.
Was dich erwartet
- Gemeinsam mit erfahrenen Kolleg:innen übersetzt du Produkt- und Geschäftsfragen in klar definierte Machine-Learning-Aufgaben.
- Du entwickelst, evaluierst und verbesserst Machine-Learning-Modelle mit Python.
- Du trägst zu reproduzierbaren Daten- und ML-Pipelines bei – von ersten Experimenten bis zur Bereitstellung in der Produktion.
- Du bereitest Services oder Batch-Jobs mithilfe von Tools wie Docker für den produktiven Einsatz vor.
- Du arbeitest mit cloudbasierten ML-Umgebungen in AWS oder GCP.
- Du nutzt SQL, um Daten zu untersuchen, aufzubereiten und zu validieren.
- Du überwachst die Performance von Modellen, gehst möglichen Problemen auf den Grund und trägst dazu bei, die Zuverlässigkeit unserer produktiven Lösungen kontinuierlich zu verbessern.
- Du dokumentierst deine Arbeit sowie Annahmen, Abwägungen und Ergebnisse nachvollziehbar.
- Du arbeitest eng mit Kolleg:innen aus Data Engineering, Software Engineering, Product und weiteren Unternehmensbereichen zusammen.
- Du berücksichtigst bei der Entwicklung und Bewertung von Lösungen Aspekte wie Modellqualität, Robustheit und Fairness.
