Applied Machine Learning Engineer, Industry Solutions

Applied Machine Learning Engineer, Industry Solutions

München Vollzeit 55000 - 70000 € / Jahr (geschätzt) Kein Homeoffice möglich
T

Auf einen Blick

  • Aufgaben: Entwickle und liefere innovative ML-Lösungen für industrielle Kunden.
  • Unternehmen: Terra Quantum, ein führendes Unternehmen im Bereich Quanten-Technologien.
  • Vorteile: Flexibles Arbeiten, persönliche Entwicklungspläne und ein unterstützendes Team.
  • Weitere Informationen: Dynamisches Umfeld mit Möglichkeiten zur beruflichen Weiterentwicklung.
  • Warum dieser Job: Arbeite an der Spitze der Technologie und beeinflusse die Zukunft mit Quanten-ML.
  • Qualifikationen: Master-Abschluss in relevanten Fächern und praktische Erfahrung in klassischem ML.

Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.

Der Applied Machine Learning Engineer wird Mitglied des AI Applied Research-Teams von Terra Quantum. Dieses Team entwickelt und liefert End-to-End-Maschinenlernlösungen für industrielle Kunden in den Bereichen Zeitreihenprognose, Optimierung, Computer Vision, natürliche Sprachverarbeitung und generative KI. Der Ingenieur ist verantwortlich für das klassische Maschinenlernen, das diese Lösungen zum Funktionieren bringt, von der Datenexploration und Merkmalsengineering bis hin zur Modellauswahl, Hyperparameteroptimierung, Trainingspipelines, Evaluierung und Kundenlieferung.

Ein Teil der vom Team entwickelten Modelle integriert eine Quantenebene; der Ingenieur wird erwartet, diese Ebene als eine architektonische Komponente einer ansonsten klassischen Pipeline zu behandeln und die gesamte Palette klassischer ML-Methoden (einschließlich baumbasierter Methoden, Boosting, Deep Learning und klassischer Optimierung) anzuwenden, um hybride Lösungen zuverlässig mit realen Industriedaten arbeiten zu lassen.

Der Applied Machine Learning Engineer spielt eine Rolle bei der Förderung von Exzellenz innerhalb seines Teams. Er ist nicht nur detailorientiert, sondern besitzt auch eine bemerkenswerte Begeisterungsfähigkeit. Durch sein Engagement und seine Leidenschaft für die Mission inspiriert er seine Teamkollegen, zur breiten Zugänglichkeit von Quantentechnologien beizutragen und positive Veränderungen weltweit zu bewirken.

Verantwortlichkeiten:

  • Entwicklung und Lieferung industrieller Maschinenlernlösungen
  • Entwurf von End-to-End-ML-Pipelines für Kundenprobleme in Zeitreihen, Routing und Planung, GenAI, natürlicher Sprachverarbeitung, Computer Vision und prädiktiver Modellierung
  • Auswahl der richtigen klassischen Methode für das Problem basierend auf den Datenmerkmalen
  • Behandlung der Quantenebene als eingeschränkte Komponente des Modells
  • Klassisches Maschinenlernen im Dienste hybrider Modelle
  • Durchführung der weniger attraktiven Teile einer ML-Pipeline: Datenbereinigung, Schutz vor Datenleckagen, Design von Kreuzvalidierungen, Basiskonstruktion, statistische Signifikanztests
  • Entwurf von Merkmalsdarstellungen, die mit der Quantenkomponente übereinstimmen
  • Profilierung und Verbesserung der Trainingsstabilität
  • Beitrag zu internen ML-Bibliotheken und SDK
  • Unterstützung von Forschung und angewandter Produktentwicklung
  • Übersetzung vorgeschlagener quantenmaschineller Lernalgorithmen in testbare Implementierungen
  • Bewertung, wo und warum eine Quantenebene messbare Vorteile bietet

Anforderungen:

  • Abgeschlossenes Masterstudium in Informatik, angewandter Mathematik, Datenwissenschaft, Statistik, Ingenieurwesen, Physik oder einem gleichwertigen Fachgebiet
  • Praktische Erfahrung mit klassischem Maschinenlernen
  • Starke Kenntnisse in Python und dem Standard-Datenwissenschafts-Stack (NumPy, pandas, scikit-learn)
  • Komfort mit dem klassischen ML-Toolkit über Deep Learning hinaus
  • Erfahrung in der Gestaltung rigoroser Experimente
  • Grundlagen der Softwaretechnik: Versionskontrolle mit Git, Tests, reproduzierbare Umgebungen
  • Neugier auf Quantencomputing und Bereitschaft, notwendige Quantenkonzepte zu erlernen
  • Vertrautheit mit mindestens einem angewandten ML-Bereich ist von Vorteil
  • Zielorientiert und analytisch, mit der Fähigkeit, unabhängig und im Team zu arbeiten
  • Fließend in Englisch in Wort und Schrift

Die Bewerber müssen das rechtliche Recht haben, in der Europäischen Union oder der Schweiz zu leben und zu arbeiten. Leider können wir für diese Rolle keine Visumsponsoring anbieten.

Belohnungen:

  • Die Möglichkeit, mit einigen der klügsten Köpfe im Pionierfeld der Quantentechnologien zu arbeiten
  • Wissen über einige der fortschrittlichsten technologischen Entwicklungen in Wissenschaft und Ingenieurwesen
  • Teil eines der führenden Technologieunternehmen Europas zu sein
  • Freundliche und professionelle Kollegen
  • Ein persönlicher Entwicklungsplan mit klaren Zielen für den Aufstieg
  • Flexible Arbeitsbedingungen
  • Eine vielfältige und unterstützende Atmosphäre, in der Innovation und Initiative gefördert werden

Terra Quantum ist ein Arbeitgeber, der Chancengleichheit bietet und sich für Vielfalt, Inklusion und das Wohlbefinden der Mitarbeiter einsetzt.

Applied Machine Learning Engineer, Industry Solutions Arbeitgeber: Terra Quantum

Terra Quantum ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld zu arbeiten, das sich auf die bahnbrechenden Technologien der Quantenmechanik konzentriert. Mit flexiblen Arbeitszeiten, einem persönlichen Entwicklungsplan und einer unterstützenden Teamkultur fördert das Unternehmen Kreativität und Zusammenarbeit, während es gleichzeitig eine wettbewerbsfähige Vergütung und die Chance bietet, mit einigen der klügsten Köpfe der Branche zusammenzuarbeiten. Die Büros in München und Potsdam bieten eine inspirierende Umgebung, in der Mitarbeiter ihre Fähigkeiten weiterentwickeln und an bedeutungsvollen Projekten arbeiten können.

T

Kontaktdaten:

Terra Quantum Recruiting-Team

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

Maschinenlernen
Datenexploration
Feature Engineering
Modellauswahl
Hyperparameteroptimierung
Trainingspipelines
Evaluierung