Maschine Learning Engineer (m/w/d)

Willkommen bei Nunatak und unserem Data & AI Lab! Für unsere Standorte in München oder Berlin suchen wir zum nächstmöglichen Zeitpunkt einen Machine Learning Engineer (m/w/d).

Aufgaben

• Pragmatisches Prototyping: Du entwickelst als fester Bestandteil des Data & AI Labs funktionierende ML-Prototypen in kurzen Sprints, um Business-Probleme effizient zu lösen und den Mehrwert für den Kunden schnell und greifbar sichtbar zu machen.
• End-to-End-Verantwortung: Du übernimmst Verantwortung für den gesamten Prozess – von der sauberen Datenaufbereitung über die präzise Modellierung bis hin zur reibungslosen Integration in bestehende Schnittstellen.
• Flexible Architektur-Ansätze: In unseren Testumgebungen hast du den Freiraum, Demos und Experimente zu bauen. Geht es jedoch um Kundensysteme, setzt du verlässlich auf rechtssichere und standardnahe Architekturen.
• Real-World Impact: Du prüfst deine Modelle auf ihre Belastbarkeit im realen Betrieb. Der tatsächliche Nutzen im Kundenprozess steht immer über der reinen akademischen Perfektion.
• Kollaboration & Wissenstransfer: Du arbeitest eng und interdisziplinär mit anderen ML Engineers, GenAI Applicationeers sowie Data & AI Consultants zusammen. Dabei hinterfragst du Anforderungen konstruktiv und stellst sicher, dass ein nachhaltiger Know-how-Transfer zu unseren Kunden stattfindet.

Anforderungen

• Praxiserfahrung: Du bringst 3–5 Jahre Berufserfahrung im angewandten Machine Learning mit und hast mindestens ein Modell von der ersten Idee bis zum produktiven Einsatz erfolgreich begleitet.
• Tech-Stack: Fundierte Praxiskenntnisse in gängigen ML-Frameworks (PyTorch, TensorFlow, scikit-learn) sowie routinierter Umgang mit dem wissenschaftlichen Python-Stack (z. B. NumPy, Pandas).
• Cloud & Deployment: Ausgewiesene Erfahrung im Training, der Validierung und dem Deployment von Modellen in mindestens einer etablierten Cloud-Umgebung (z. B. Google Cloud / Vertex AI, AWS SageMaker oder Azure ML).
• Data Engineering Skills: Sicherer Umgang mit SQL und der Architektur von Datenpipelines. Du bist routiniert in der Aufbereitung und Qualitätssicherung großer, komplexer Prozess- und Kundendaten.
• MLOps Mindset: Du besitzt ein fundiertes Verständnis für den realen Betrieb, inklusive Modellversionierung, Monitoring und dem kontinuierlichen Nachschärfen von Modellen.
• Akademisches Fundament: Ein abgeschlossenes Studium in Computer Science, Data Science, Machine Learning, Informatik, Mathematik, Physik oder einem vergleichbaren Studiengang mit technischem Fokus.
• Sprachen: Du sprichst fließend Deutsch und Englisch.

Gewünschte Anforderungen

• Impact ab Tag 1: Vielfältige Aufgaben mit hoher Eigenverantwortung und die Möglichkeit, auf Managementebene Prozesse, Strategien und Produkte mitzugestalten.
• Kultur & Team: Eine kollegiale, verbindliche Zusammenarbeit in kleinen, interdisziplinären Teams mit flachen Hierarchien, kurzen Entscheidungswegen und einer wertebasierten Kultur.
• Spannendes Umfeld: Innovative Projektfragestellungen im KI-Umfeld und Kund*innen, die zu den Marktführenden in ihrer Branche gehören.
• Wachstum: Individuelle Chancen zur persönlichen und professionellen Entwicklung sowie gezielte Weiterbildungsmöglichkeiten.
• Benefits: Eine attraktive Vergütung, regelmäßige Team-Events (Lunches, Offsites), BusinessBike, Firmenfitness (Wellpass) sowie kostenlose Getränke, Obst und Snacks im Office.
• Top Locations: Einen großartigen Arbeitsplatz direkt am Englischen Garten in München oder ganz in der Nähe des Alexanderplatzes in Berlin.