Auf einen Blick
- Aufgaben: Entwickle und verbessere ML-Modelle, baue Daten-Pipelines und arbeite mit verschiedenen Teams zusammen.
- Unternehmen: Innovatives Unternehmen im Bereich Machine Learning mit einem dynamischen Team.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Wachstumsorientierte Umgebung mit vielen Lernmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Technologie mit und arbeite an spannenden ML-Projekten.
- Qualifikationen: Erfahrung in ML-Systemen, Python-Kenntnisse und Teamfähigkeit sind erforderlich.
Das prognostizierte Gehalt liegt zwischen 55000 - 78000 € 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) - System Engineering / Admin, Ingenieur 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. Unser Team legt großen Wert auf Zusammenarbeit, offene Kommunikation und konstruktives Feedback, was zu einer positiven und unterstützenden Unternehmenskultur führt. Zudem profitierst du von flexiblen Arbeitszeiten und der Möglichkeit, in einem modernen Büro in einer attraktiven Lage zu arbeiten, was die Work-Life-Balance fördert.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Machine Learning Engineer (all genders) - System Engineering / Admin, Ingenieur erhalten könnten
✨Netzwerken ist alles!
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 Projekten, die deine Fähigkeiten in Python, Docker und Cloud-Services demonstrieren. Zeige, wie du End-to-End ML-Pipelines aufgebaut hast – das beeindruckt Arbeitgeber!
✨Vorbereitung auf technische Interviews
Mach dich bereit für technische Fragen und Coding-Challenges. Übe mit Plattformen wie LeetCode oder HackerRank, um deine Problemlösungsfähigkeiten zu schärfen und sicherer aufzutreten.
✨Bewirb dich direkt über unsere Website!
Wenn du eine Stelle bei uns im Auge hast, bewirb dich direkt über unsere Website. So zeigst du dein Interesse und kannst sicherstellen, dass deine Bewerbung die richtigen Leute erreicht.
Wir glauben, dass du diese Fähigkeiten brauchst, um Machine Learning Engineer (all genders) - System Engineering / Admin, Ingenieur mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach deine Bewerbung persönlich:Zeig uns, wer du bist! Verwende eine freundliche und authentische Sprache, um deine Persönlichkeit durchscheinen zu lassen. Wir lieben es, wenn Bewerbungen nicht nur aus trockenen Fakten bestehen, sondern auch ein bisschen von dir erzählen.
Betone deine relevanten Erfahrungen:Stell sicher, dass du deine Erfahrungen in der Entwicklung und dem Betrieb von ML-Systemen klar hervorhebst. Zeig uns, wie du Python, Docker und Cloud-Dienste wie AWS oder GCP eingesetzt hast. Das macht einen großen Unterschied!
Sei konkret bei deinen Projekten:Erzähle uns von konkreten Projekten, an denen du gearbeitet hast. Wie hast du End-to-End ML-Pipelines aufgebaut? Welche Herausforderungen gab es und wie hast du sie gemeistert? Konkrete Beispiele helfen uns, deine Fähigkeiten besser zu verstehen.
Bewirb dich über unsere Website:Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass alles reibungslos läuft und wir deine Unterlagen schnellstmöglich erhalten. Wir freuen uns auf deine Bewerbung!
Wie man sich auf ein Vorstellungsgespräch bei Parship vorbereitet
✨Mach dich mit den Technologien vertraut
Stelle sicher, dass du die in der Stellenbeschreibung genannten Technologien wie Python, Docker und AWS oder GCP gut beherrschst. Bereite dich darauf vor, spezifische Beispiele aus deiner bisherigen Erfahrung zu nennen, die deine Fähigkeiten in diesen Bereichen demonstrieren.
✨Verstehe die ML-Pipeline
Sei bereit, über den gesamten Prozess der Entwicklung von ML-Modellen zu sprechen, von der Datenaufbereitung bis zur Modellbewertung. Zeige, dass du praktische Erfahrungen im Aufbau von End-to-End ML-Pipelines hast und erkläre, wie du Herausforderungen in diesem Bereich gemeistert hast.
✨Analytische Problemlösungskompetenz zeigen
Bereite dich darauf vor, konkrete Beispiele zu geben, wie du unklare Fragestellungen strukturiert hast und ob ML der geeignete Lösungsansatz war. Dies zeigt nicht nur deine analytischen Fähigkeiten, sondern auch dein Verständnis für die Anwendung von Machine Learning in der Praxis.
✨Teamarbeit und Kommunikation betonen
Hebe deine Erfahrungen in der Zusammenarbeit mit verschiedenen Stakeholdern hervor. Erkläre, wie du Entscheidungen transparent gemacht hast und wie du konstruktives Feedback gegeben und erhalten hast. Dies ist besonders wichtig, da die Rolle eine enge Zusammenarbeit mit anderen Teams erfordert.
