Junior Machine Learning Engineer

Swissquote ist eine führende Online-Banking- und Handelsplattform, die über 650.000 Kunden mit sicheren, leistungsstarken digitalen Dienstleistungen bedient. Unser Team von mehr als 1.200 Mitarbeitern arbeitet in einer flexiblen, multikulturellen Umgebung und treibt Innovationen in der Finanzbranche voran.

Unsere KI-Systeme liefern bereits messbare Auswirkungen in der Bank, von klassischen ML-Modellen, die Kernprozesse antreiben, bis hin zu einer wachsenden Suite von LLM-gestützten Anwendungen. Während wir dieses Portfolio skalieren, benötigen wir Ingenieure, die die Grenzen des Möglichen erweitern und gleichzeitig Produktionssysteme robust und leistungsfähig halten können. Das Data Science-Team sucht einen Junior Machine Learning Engineer, um KI-gestützte Lösungen zu entwerfen, zu entwickeln und bereitzustellen, mit einem starken Fokus auf Anwendungen für große Sprachmodelle.

Sie werden an Projekten von Anfang bis Ende beteiligt sein: von Prototyping und Experimentierung bis hin zu produktionsreifen Systemen, die echten Nutzern dienen. Dies ist eine Rolle mit hoher Auswirkung, in der Sie frühzeitig echte Verantwortung übernehmen und gestalten, wie KI in der Organisation aufgebaut und bereitgestellt wird.

Als Junior Machine Learning Engineer werden Sie:

• LLM-gestützte Anwendungen entwickeln: Entwerfen und Entwickeln von Anwendungen, die große Sprachmodelle nutzen — einschließlich RAG-Systemen, agentischen Workflows und konversationalen Schnittstellen — zugeschnitten auf komplexe Geschäftsbedürfnisse in einem regulierten Umfeld.
• Modelle entwickeln und optimieren: Trainieren, Feinabstimmen und Bewerten sowohl klassischer ML- als auch Sprachmodelle, das richtige Vorgehen für jedes Problem auswählen und für Produktionsbeschränkungen wie Latenz, Kosten und Genauigkeit optimieren.
• Für die Produktion entwickeln: Zuverlässige, skalierbare ML-Dienste und APIs erstellen. Ihnen liegt die Codequalität, das Testen und die Wartbarkeit ebenso am Herzen wie die Modellleistung.
• Bewerten und iterieren: Zu Evaluierungsrahmen für KI-Anwendungen beitragen — insbesondere für generative Systeme, bei denen traditionelle Metriken nicht ausreichen — und diese zur kontinuierlichen Verbesserung nutzen.
• Am Puls der Zeit bleiben: Aktiv die sich schnell entwickelnde LLM-Landschaft verfolgen, neue Werkzeuge und Techniken bewerten und in praktischen Nutzen für das Team umsetzen.
• Über Teams hinweg zusammenarbeiten: Eng mit Datenwissenschaftlern, MLOps-Ingenieuren, Produktverantwortlichen und Geschäftspartnern zusammenarbeiten, um Geschäftsprobleme in gut definierte KI-Lösungen zu übersetzen.

Qualifikationen:

• Bildungshintergrund: Abschluss in Informatik, Maschinenlernen, Datenwissenschaft, Ingenieurwesen, Mathematik oder einem verwandten Bereich.
• Python-Kenntnisse: Starke Programmierkenntnisse in Python. Sie schreiben sauberen, wartbaren Code und legen Wert auf bewährte Praktiken in der Softwareentwicklung.
• Erfahrung mit LLM & NLP: Praktische Erfahrung in der Entwicklung von Anwendungen mit großen Sprachmodellen (Prompt Engineering, RAG, Feinabstimmung, Agenten-Frameworks) — durch berufliche Erfahrung, persönliche Projekte oder akademische Arbeiten.
• ML-Grundlagen: Solide Kenntnisse im klassischen maschinellen Lernen und tiefen Lernen. Sie können das richtige Werkzeug für die jeweilige Aufgabe auswählen.
• Full-Stack-Komfort: Sie können über das Modell hinaus bauen — z.B. ein API einrichten, eine Webschnittstelle erstellen oder eine Datenpipeline verbinden.
• Produktionsdenken: Vertrautheit mit der Bereitstellung von Modellen oder Anwendungen in der Produktion. Erfahrung mit Containerisierung (Docker, Kubernetes) und CI/CD ist ein großer Vorteil.
• Bewertung und kritisches Denken: Sie verstehen die Herausforderungen bei der Bewertung generativer KI-Systeme und können kritisch darüber nachdenken, wie sinnvolle Benchmarks über einfache Genauigkeitsmetriken hinaus gestaltet werden können.
• Kommunikation: Fließend in Englisch, in der Lage, effektiv mit technischen Kollegen und nicht-technischen Stakeholdern zusammenzuarbeiten.
• Wünschenswert: Erfahrung mit MLflow, Feinabstimmung von Open-Source-LLMs oder Frontend-Frameworks (React, Streamlit, Gradio).

Swissquote ist ein Arbeitgeber, der Chancengleichheit bietet und Kandidaten aus allen Hintergründen, Erfahrungen und Perspektiven willkommen heißt.