Auf einen Blick
- Aufgaben: Entwickle und verbessere Machine-Learning-Modelle mit Python in einem dynamischen Team.
- Unternehmen: Innovatives Unternehmen, das auf Machine Learning spezialisiert ist.
- Vorteile: Flexible Arbeitszeiten, Weiterbildungsmöglichkeiten und ein kreatives Arbeitsumfeld.
- Weitere Informationen: Tolle Karrierechancen in einem wachsenden Bereich der Technologie.
- Warum dieser Job: Lerne von erfahrenen Kolleg:innen und arbeite an spannenden Projekten mit modernster Technologie.
- Qualifikationen: Grundlagen in Machine Learning, Python-Kenntnisse und Teamarbeit sind wichtig.
Das prognostizierte Gehalt liegt zwischen 40500 - 49500 € pro Jahr.
- 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 No SQL-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.
(Junior) Machine Learning Engineer (all genders) - Anwendungsentwicklung, Ingenieur Arbeitgeber: Parship
Als (Junior) Machine Learning Engineer in unserem innovativen Unternehmen hast du die Möglichkeit, in einem dynamischen und unterstützenden Umfeld zu arbeiten, das Wert auf kontinuierliches Lernen und persönliche Entwicklung legt. Wir fördern eine offene und kooperative Arbeitskultur, in der du eng mit erfahrenen Kolleg:innen zusammenarbeitest und an spannenden Projekten in der Cloud arbeitest. Zudem bieten wir dir flexible Arbeitszeiten und die Möglichkeit, deine Fähigkeiten in einem zukunftsorientierten Bereich weiter auszubauen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so (Junior) Machine Learning Engineer (all genders) - Anwendungsentwicklung, Ingenieur erhalten könntest
✨Engagier dich in Entwickler-Communities!
Lass uns mal ehrlich sein: In der Software-Entwicklung sind Netzwerke Gold wert! Tummel dich in GitHub-Projekten, nehme an lokalen Meetups oder Hackathons teil und vernetze dich mit anderen Entwicklern. So steigerst du nicht nur deine Sichtbarkeit, sondern lernst auch die neuesten Trends und Technologien kennen.
✨Zeig deine Fähigkeiten!
Erstelle ein Portfolio, das deine besten Projekte und Code-Examples zeigt. Nichts überzeugt mehr als ein praktischer Beweis deiner Skills. Das kann auch helfen, bei Parship anzuklopfen, wenn du dich auf die Stelle als (Junior) Machine Learning Engineer (all genders) - Anwendungsentwicklung, Ingenieur bewirbst – so wissen sie gleich, was sie von dir erwarten können!
✨Nutze Jobplattformen speziell für Tech-Jobs!
Plattformen wie Stack Overflow Jobs oder AngelsList sind perfekte Orte, um Vollzeitstellen in der Software-Entwicklung zu finden. Hier sind viele tolle Unternehmen auf der Suche nach Talenten wie uns, also schau regelmäßig vorbei und bewirb dich direkt über die Website.
✨Such dir Mentoren und Feedback!
Hol dir Feedback von erfahrenen Entwicklern, die dir Tipps geben können, was Recruiter wirklich suchen. Ob über LinkedIn oder persönliche Kontakte: Menschen, die sich in der Branche auskennen, können enorm wertvoll sein, um dir zu helfen, dich optimal auf deine Bewerbung bei Parship vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um (Junior) Machine Learning Engineer (all genders) - Anwendungsentwicklung, Ingenieur mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Highlights deiner Coding-Skills:In der Software-Entwicklung kommt es auf konkrete Fähigkeiten an. Vergiss nicht, relevante Programmiersprachen und Frameworks in deinen Lebenslauf aufzunehmen. Zeig uns, was du kannst – vielleicht mit einem Link zu deinem GitHub-Profil oder einer Übersicht deiner Side Projects, die deine Programmierkenntnisse illustrieren.
Dokumentation deiner Erfolge:Gerade bei einer Vollzeitstelle in der Software-Entwicklung sind konkrete Ergebnisse Gold wert. Nenn uns Zahlen und Ergebnisse aus deinen vorherigen Projekten. Hast du den Code optimiert oder Systemfehler behoben? Solche Erfolge zeigen, dass du die Sprache der Entwickler sprichst und einen echten Mehrwert bringst.
Attraktive Projektbeschreibungen:Wenn du an Projekten gearbeitet hast, die hervorstechen, beschreibe sie ausführlich in deinem Lebenslauf. Was war das Problem, das du gelöst hast? Welche Technologien hast du eingesetzt? Das gibt uns einen klaren Einblick in deine Herangehensweise und Problemlösungsfähigkeiten.
Motivation zeigen:In deinem Anschreiben solltest du deine Motivation für die Stelle im Bereich Software-Entwicklung bei Parship klar herausstellen. Warum sprichst gerade du die Anforderungen für diese Vollzeitrolle an? Mach deutlich, was dich an der Arbeit bei uns reizt und wie du über das rein Technische hinaus wachsen möchtest.
Wie man sich auf ein Vorstellungsgespräch bei Parship vorbereitet
✨Technische Vorbereitung auf die Coding-Challenges
In der Software-Entwicklung sind technische Fragen oft ein zentraler Teil des Interviews. Macht euch mit Plattformen wie LeetCode oder HackerRank vertraut, um eure Problemlösungsfähigkeiten zu trainieren. Zeigt im Interview viel Selbstbewusstsein beim Erklären eurer Ansätze!
✨Das eigene Portfolio im besten Licht präsentieren
Stellt sicher, dass ihr ein aussagekräftiges Portfolio habt, das einige eurer besten Projekte zeigt. Seid bereit, darüber zu sprechen, was eure Rolle war, welche Technologien ihr verwendet habt und welche Herausforderungen es gab. Das gibt den Interviewern einen Einblick in eure praktische Erfahrung.
✨Teamfähigkeit und Kommunikation betonen
In einer Vollzeit-Position wird Kommunikation im Team sehr wichtig sein. Seid bereit, Beispiele aus der Vergangenheit zu teilen, in denen ihr effektiv im Team gearbeitet habt. Dies zeigt, dass ihr nicht nur technische Fähigkeiten habt, sondern auch gut ins Team passt.
✨Vorbereitung auf Fragen zur Software-Architektur
Bereitet euch darauf vor, Fragen zur Software-Architektur zu beantworten. Themen wie RESTful APIs, Microservices und Cloud-Architekturen können Teil eures Interviews sein. Zeigt euer Verständnis durch Diskussionen und Beispiele aus eurer bisherigen Arbeit oder Projekte.
