Auf einen Blick
- Aufgaben: Entwickle und verbessere ML-Modelle, baue Daten-Pipelines und arbeite mit verschiedenen Stakeholdern zusammen.
- Unternehmen: Innovatives Unternehmen im Bereich Machine Learning mit einem dynamischen Team.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten, Weiterbildungsmöglichkeiten und ein kreatives Arbeitsumfeld.
- Weitere Informationen: Wachse in einem unterstützenden Umfeld mit großartigen Karrierechancen.
- Warum dieser Job: Gestalte die Zukunft der Technologie mit und entwickle Lösungen, die echten Einfluss haben.
- Qualifikationen: Erfahrung in ML-Systemen, starke Python-Kenntnisse und Teamfähigkeit.
Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.
Was du unbedingt mitbringst
- Berufserfahrung in der Entwicklung, Bereitstellung und dem Betrieb von produktiven ML-Systemen.
- Sehr gute Python-Kenntnisse sowie Erfahrung mit Docker und AWS oder GCP.
- Solide Grundlagen im Bereich Machine Learning, Grundkenntnisse in NLP sowie ausgeprägte Erfahrung in der Modellevaluation.
- Praktische Erfahrung im Aufbau von End-to-End ML-Pipelines.
- Erfahrung im Umgang mit großen Datenmengen und SQL.
- Starke analytische Problemlösungskompetenz: Du kannst unklare Fragestellungen strukturieren und beurteilen, ob ML der geeignete Lösungsansatz ist.
- Ausgeprägte Kommunikations- und Teamfähigkeit: Du stimmst dich bereichsübergreifend ab, machst Entscheidungen transparent, dokumentierst sorgfältig und gibst sowie erhältst konstruktives Feedback.
Was du idealerweise noch mitbringst
- Erfahrung mit NoSQL-Datenbanken und/oder Distributed Processing, sowie Streaming.
- Praktische Erfahrung mit LLM-Anwendungen und produktiver Agent-Orchestrierung.
- Grundkenntnisse in Cloud Security und Operations Themen.
- Erfahrung im Mentoring von Kolleg:innen sowie im Etablieren pragmatischer Engineering-Standards.
Was dich erwartet
- Du entwickelst, implementierst, deployest und verbesserst ML-Modelle kontinuierlich und übernimmst Verantwortung vom Prototyp bis zum produktiven Betrieb.
- Du baust reproduzierbare Daten- und ML-Pipelines auf.
- Du containerisierst ML-Services und Batch-Jobs mit Docker, um konsistente und skalierbare Deployments zu ermöglichen.
- Du deployest und betreibst ML-Lösungen in AWS oder GCP.
- Du überwachst, analysierst und stabilisierst Modelle im produktiven Betrieb und entwickelst sie evidenzbasiert sowie anhand von Stakeholder-Feedback weiter.
- Du arbeitest erfolgreich mit Data Engineering, Software Engineering, Product sowie fachlichen Stakeholdern zusammen.
- Du evaluierst Modelle fundiert anhand geeigneter Metriken, einschließlich Aspekten wie Robustheit und Fairness.
- Du entwickelst und betreust AI Agents sowie Orchestrierungs-Workflows.
- Du trägst durch konstruktive Code Reviews, Wissensaustausch und Mentoring zur Weiterentwicklung des Teams bei.
Machine Learning Engineer (all genders) Arbeitgeber: Parship
Als Arbeitgeber bieten wir eine dynamische und innovative Arbeitsumgebung, in der du als Machine Learning Engineer die Möglichkeit hast, an spannenden Projekten zu arbeiten und deine Fähigkeiten kontinuierlich weiterzuentwickeln. Unsere offene Unternehmenskultur fördert den Wissensaustausch und die Zusammenarbeit über Abteilungsgrenzen hinweg, während wir dir attraktive Benefits und flexible Arbeitszeiten bieten, um eine ausgewogene Work-Life-Balance zu gewährleisten. Zudem profitierst du von einem engagierten Team, das Wert auf konstruktives Feedback und persönliche Entwicklung legt.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Machine Learning Engineer (all genders) erhalten könnten
✨Netzwerken, Netzwerken, Netzwerken!
Nutze Plattformen wie LinkedIn, um mit anderen Machine Learning Engineers in Kontakt zu treten. Teile deine Projekte und Erfahrungen, um sichtbar zu werden und vielleicht sogar Empfehlungen zu erhalten.
✨Praktische Skills zeigen
Erstelle ein Portfolio mit deinen besten ML-Projekten. Zeige, wie du End-to-End-Pipelines aufgebaut hast und welche Probleme du gelöst hast. Das gibt potenziellen Arbeitgebern einen echten Einblick in deine Fähigkeiten.
✨Vorbereitung auf technische Interviews
Mach dich fit für technische Interviews, indem du häufige Fragen zu ML-Algorithmen, Modellbewertung und Datenverarbeitung übst. Sei bereit, deine Denkweise zu erklären und Probleme live zu lösen.
✨Bewirb dich direkt über unsere Website!
Wenn du die perfekte Stelle bei uns gefunden hast, bewirb dich direkt über unsere Website. So zeigst du dein Interesse und erhöhst deine Chancen, schnell in den Auswahlprozess zu kommen.
Wir glauben, dass du diese Fähigkeiten brauchst, um Machine Learning Engineer (all genders) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach es persönlich!:Zeig uns, wer du bist! Verwende in deinem Anschreiben eine persönliche Ansprache und erzähle uns, warum du dich für die Stelle als Machine Learning Engineer interessierst. Das macht deine Bewerbung einzigartig und hebt dich von anderen ab.
Betone deine Erfahrungen:Stell sicher, dass du deine relevanten Erfahrungen klar und prägnant darstellst. Gehe auf deine Kenntnisse in Python, Docker und Cloud-Diensten ein und zeige, wie du diese Fähigkeiten in der Vergangenheit eingesetzt hast. Wir wollen sehen, was du drauf hast!
Sei strukturiert:Eine gut strukturierte Bewerbung ist das A und O. Gliedere dein Anschreiben und deinen Lebenslauf übersichtlich, damit wir schnell die wichtigsten Informationen finden können. Denk daran, dass wir auch auf Details achten!
Bewirb dich über unsere Website:Um sicherzustellen, dass deine Bewerbung bei uns ankommt, bewirb dich direkt über unsere Website. So kannst du sicher sein, dass wir alles erhalten und deine Unterlagen schnell bearbeitet werden.
Wie man sich auf ein Vorstellungsgespräch bei Parship vorbereitet
✨Mach dich mit den Technologien vertraut
Stelle sicher, dass du die geforderten Technologien wie Python, Docker und AWS oder GCP gut beherrschst. Bereite dich darauf vor, konkrete Beispiele aus deiner bisherigen Berufserfahrung zu nennen, in denen du diese Tools erfolgreich eingesetzt hast.
✨Verstehe die ML-Pipeline
Sei bereit, über den gesamten Prozess der Entwicklung von ML-Modellen zu sprechen. Erkläre, wie du End-to-End ML-Pipelines aufgebaut hast und welche Herausforderungen du dabei gemeistert hast. Das zeigt dein praktisches Wissen und deine Problemlösungskompetenz.
✨Kommunikation ist der Schlüssel
Bereite dich darauf vor, deine Kommunikations- und Teamfähigkeit zu demonstrieren. Überlege dir Beispiele, in denen du bereichsübergreifend gearbeitet hast und wie du Feedback gegeben und erhalten hast. Das zeigt, dass du ein Teamplayer bist.
✨Analytisches Denken zeigen
Sei bereit, unklare Fragestellungen zu strukturieren und zu erklären, warum Machine Learning der geeignete Lösungsansatz ist. Übe, wie du deine Gedanken klar und strukturiert präsentieren kannst, um deine analytischen Fähigkeiten zu unterstreichen.
