Senior Machine Learning Engineer

Senior Machine Learning Engineer

München Vollzeit 60000 - 80000 € / Jahr (geschätzt) Homeoffice (teilweise)
P

Auf einen Blick

  • Aufgaben: Entwickle und implementiere intelligente Systeme zur Optimierung von Transaktionsgenehmigungen.
  • Unternehmen: PPRO, ein innovatives Unternehmen im Bereich Zahlungsverkehr mit globalem Team.
  • Vorteile: Hybrid-Arbeitsmodell, 30 Tage Urlaub, Weiterbildungsgeld und umfassende Versicherungen.
  • Weitere Informationen: Dynamisches Arbeitsumfeld mit Möglichkeiten zur beruflichen Weiterentwicklung.
  • Warum dieser Job: Gestalte die Zukunft des globalen Handels mit modernster Machine Learning Technologie.
  • Qualifikationen: Erfahrung in maschinellem Lernen, Softwareentwicklung und Python-Kenntnisse erforderlich.

Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.

Bei PPRO ist es unsere Mission, den Zugang zu lokalen Zahlungsmethoden zu vereinfachen, und unsere Vision ist es, den Verkauf von Waren und Dienstleistungen an jeden auf der Welt mit seiner bevorzugten Zahlungsmethode zu ermöglichen. Wir stärken Partner wie Ant Group, PayPal und Stripe, um neue Märkte zu erschließen, mehr Kunden zu erreichen und ihr Wachstum zu beschleunigen. Unsere Stärke liegt in unserem vielfältigen globalen Team mit über 50 Nationalitäten und mehr als 10 internationalen Standorten - alle vereint um ein Ziel: die besten Produkte und Dienstleistungen für unsere Partner und Kunden zu liefern.

Der Zweck: Als Machine Learning Engineer im Performance Powerhouse-Team von PPRO übernehmen Sie die Verantwortung für den Aufbau und die Bereitstellung intelligenter Systeme, die darauf ausgelegt sind, die Genehmigungsraten von Transaktionen zu maximieren und falsche Ablehnungen zu minimieren. Sie arbeiten mit Produktmanagern, Datenanalysten und Core Payments Engineers zusammen, um Echtzeit-Predictive-Modelle zu entwickeln, die Transaktionen dynamisch leiten, Wiederholungsstrategien optimieren und sich an das Verhalten der Emittenten weltweit anpassen.

Was Sie tun werden:

  • Entwicklung und Bereitstellung von ML-Modellen: Robuste Machine Learning-Modelle zum Thema Kartenautorisierungsoptimierung, dynamisches Routing und intelligente Wiederholungen erstellen, trainieren und bereitstellen.
  • Echtzeitinferenz-Engineering: Niedriglatente Inferenzpipelines entwerfen und pflegen, die in der Lage sind, Live-Zahlungstransaktionen innerhalb strenger Millisekunden-SLAs zu bewerten.
  • Feature Engineering & MLOps: Mit Datenteams zusammenarbeiten, um skalierbare Feature-Stores aufzubauen, die Datenqualität sicherzustellen und die Modelltrainings-/Bereitstellungspipelines (CI/CD für ML) zu automatisieren.
  • Experimentation & Shadow Testing: A/B-Tests und Schattenbereitstellungsstrategien vorantreiben, um die realen Auswirkungen Ihrer Modelle auf den Live-Verkehr und den Umsatz sicher zu messen.
  • Modellüberwachung: Wichtige Leistungskennzahlen definieren und überwachen, um Datenabweichungen, Modellverschlechterungen und Anomalien in Produktionsumgebungen zu erkennen.

Was wir suchen:

  • Meisterschaft in klassischem & tiefem Lernen: Tiefe praktische Expertise in der Gestaltung und Feinabstimmung leistungsstarker klassischer ML-Modelle (z.B. XGBoost, LightGBM, Random Forests) sowie Erfahrung im tiefen Lernen.
  • Software Engineering & Python: Beste Praktiken im Software Engineering, Meisterschaft in Python und Erfahrung mit den Standard-ML/Datenbibliotheken (Scikit-Learn, Pandas, Numpy) mit starkem Fokus auf das Schreiben von skalierbarem, produktionsbereitem Code.
  • Echtzeitsysteme: Nachgewiesene Fähigkeit, ML-Modelle zu erstellen, bereitzustellen und zu optimieren, die unter strengen Latenz- und Hochdurchsatzanforderungen arbeiten.
  • MLOps-Kompetenz: Erfahrung in der Überführung von Modellen aus Notebooks in Produktionsumgebungen mit Tools wie MLflow, Docker, Kubernetes und CI/CD-Pipelines.
  • Starke SQL-Kompetenz: Fähigkeit, komplexe Abfragen zu schreiben und großangelegte transaktionale Datensätze für die Merkmalsextraktion zu bearbeiten.
  • Zahlungsdomänenwissen (von Vorteil): Verständnis des Lebenszyklus von Kartenzahlungen, Autorisierungsprozessen, Verhaltensweisen von Emittenten, 3D Secure und Netzwerkregeln (Visa, Mastercard).
  • Cloud-Infrastruktur: Nachgewiesene Erfahrung in der Bereitstellung und Verwaltung von ML-Systemen auf AWS oder ähnlichem, einschließlich Fachkenntnissen in Infrastruktur als Code.

Was Sie erwartet:

  • Hybrides Arbeiten - Wir bieten eine hybride Struktur mit einer Erwartung von 3 Tagen/Woche vor Ort, damit Sie das Gleichgewicht zwischen Büro- und Homeoffice-Arbeit finden können.
  • Lernen und Entwicklung - Wir bieten ein jährliches Budget von 1.000 €, um Ihr berufliches Wachstum zu unterstützen.
  • Versicherung - Wir möchten, dass unsere Mitarbeiter von verschiedenen Versicherungen profitieren, einschließlich Unfallversicherung, Invaliditätsversicherung, Direktversicherung (bAV) und Reiseversicherung.
  • Erweiterter Familienurlaub - Wir bieten erweiterten Familienurlaub, um Sie in wichtigen Lebensmomenten zu unterstützen.
  • Fitnessstudio-Mitgliedschaft - PPRO trägt zur Kostenübernahme Ihrer Fitnessstudio-Mitgliedschaft bei.
  • Plattform für psychische Gesundheit - Wir haben uns mit einer führenden Plattform für Wohlbefinden zusammengetan, um Therapien und Kurse anzubieten.
  • Unser Büro - Modernes und geräumiges Gebäude mit voll multimedia-ausgestatteten Besprechungsräumen.
  • Haustierfreundliches Büro - Weil die Arbeit mit Ihren vierbeinigen Freunden besser ist.

Unsere Prinzipien: Wir erledigen die Dinge, handeln mit Vertrauen und Integrität, stellen den Kunden in den Mittelpunkt, verbessern kontinuierlich und arbeiten als Team.

Senior Machine Learning Engineer Arbeitgeber: PPRO

PPRO ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern nicht nur ein dynamisches und innovatives Arbeitsumfeld bietet, sondern auch zahlreiche Vorteile wie ein hybrides Arbeitsmodell, großzügige Urlaubsregelungen und ein jährliches Budget für berufliche Weiterbildung. Unsere Unternehmenskultur fördert Teamarbeit, persönliche Entwicklung und eine offene Kommunikation, während wir gleichzeitig auf das Wohlbefinden unserer Mitarbeiter achten, indem wir verschiedene Versicherungen und Programme zur psychischen Gesundheit anbieten. Mit einem modernen Büro in zentraler Lage und einer pet-friendly Umgebung schaffen wir einen inspirierenden Arbeitsplatz, an dem jeder die Möglichkeit hat, zu wachsen und einen bedeutenden Beitrag zu leisten.

P

Kontaktdaten:

PPRO Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Senior Machine Learning Engineer erhalten könnten

Wende dich an die richtigen Communities

Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.

Präsentiere deine Daten-Projekte

Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!

Nimm an Meetups und Hackathons teil

Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.

Direkte Bewerbungen über unsere Seite

Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei PPRO zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Machine Learning Engineer mit Bravour zu bestehen

Maschinenlernen
Echtzeitsysteme
Feature Engineering
MLOps
Python
SQL
Modellüberwachung

Einige Tipps für deine Bewerbung 🫡

Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.

Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!

Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!

Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Senior Machine Learning Engineer bei PPRO gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei PPRO vorbereitet

Bereite deine technischen Skills vor

In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!

Verschaffe dir einen Überblick über Projekte

Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!

Vorbereitung auf case studies

In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!

Zeige deine Leidenschaft für Daten

Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für PPRO entscheidend sein!