Senior Machine Learning Engineer - Databricks (m/f/*)

Unsere Engineering-Community wächst, und wir suchen einen Senior Machine Learning Engineer - Databricks (m/w/*), um unser Team in Deutschland zu verstärken und unser globales Wachstum zu unterstützen. Als Senior Machine Learning Engineer (m/w/*) werden Sie das Design und die Implementierung fortschrittlicher Daten- und KI-Lösungen auf der Databricks Lakehouse-Plattform leiten. Ihr Fokus liegt auf dem Aufbau robuster ML-Pipelines, der Ermöglichung von GenAI-Funktionen und der Bereitstellung produktionsreifer Lösungen, die datengestützte Innovationen in großem Maßstab unterstützen.

WAS WIR BIETEN

• Flexible Arbeitsoptionen, einschließlich vollständig remote oder hybriden Arrangements (Kandidaten müssen sich in Deutschland befinden)
• Eine Chance, Ihre Karriere zu beschleunigen und mit herausragenden Kollegen in einer unterstützenden Lern-Community zu arbeiten, die über 3 Kontinente verteilt ist
• Bringen Sie Ihre Ideen in unsere einzigartigen Projekte ein und setzen Sie sie in die Realität um
• Vereinbaren Sie Ihre Arbeits- und Lebensbalance durch unsere Arbeitsorganisation und entscheiden Sie selbst, ob Sie von zu Hause, im Büro oder in einem hybriden Setup arbeiten
• Jährliche Leistungsbeurteilung und regelmäßige Feedbackzyklen, die einen klaren Wert schaffen, indem Kollegen über Netzwerke statt über Hierarchien verbunden werden
• Individueller Entwicklungsplan, berufliche Entwicklungsmöglichkeiten
• Bildungsressourcen wie bezahlte Zertifizierungen, unbegrenzter Zugang zu Udemy Business usw.
• Lokale, virtuelle und globale Teamevents, bei denen UT-Kollegen einander kennenlernen

WAS SIE TUN WERDEN

• Entwerfen, entwickeln und warten Sie skalierbare Machine Learning-Pipelines auf der Databricks Lakehouse-Plattform unter Verwendung von Spark, Delta Lake und MLflow.
• Durchführen von explorativer Datenanalyse (EDA), Datenbereinigung, Merkmalsengineering und Modellevaluation zur Unterstützung datengestützter Anwendungsfälle.
• Zusammenarbeit mit Dateningenieuren und Geschäftspartnern, um reale Probleme in ML-Lösungen zu übersetzen.
• Bereitstellung von Modellen mit MLflow, Verwaltung der Modellversionierung und Einrichtung von Überwachungs- und Nachschulungsstrategien.
• Optimierung der Leistung und Kosteneffizienz von ML-Workloads auf Databricks-Clustern.
• Anwendung von Best Practices in MLOps, um Reproduzierbarkeit, Governance und Skalierbarkeit von ML-Lösungen sicherzustellen.
• Leitung und Mentoring von Teammitgliedern zu Databricks und besten Praktiken im ML-Engineering.

WAS SIE MITBRINGEN

• 3–5 Jahre Erfahrung in der Lösungsentwicklung oder ähnlichen praktischen technischen Rollen.
• Praktische Erfahrung mit Databricks (auf Azure, AWS oder GCP), insbesondere Spark (PySpark oder Scala), Delta Lake und MLflow.
• Tiefes Verständnis des Lebenszyklus von Machine Learning, einschließlich Datenvorbereitung, Modellierung, Evaluierung und Bereitstellung.
• Kenntnisse in Python mit soliden Grundlagen in ML-Bibliotheken (z.B. scikit-learn, pandas).
• Erfahrung im Aufbau produktionsreifer ML-Pipelines und der Arbeit mit großflächigen Datensätzen.
• Vertrautheit mit Orchestrierungstools (z.B. Databricks Workflows, Airflow) und Versionskontrolle (Git/GitHub).
• Starke Problemlösungs- und Kommunikationsfähigkeiten, mit der Fähigkeit, komplexe Modelle und Logik Stakeholdern zu erklären.
• Professionelle Deutsch- und Englischkenntnisse (C1-Niveau, schriftlich und mündlich).

Schön zu haben

• Erfahrung mit MLOps-Workflows: Modellüberwachung, automatisierte Nachschulung, A/B-Tests.
• Einblick in cloud-native Architekturen, CI/CD für ML und Infrastruktur als Code (z.B. Terraform).
• Kenntnisse des Databricks Unity Catalog für Modellgovernance und Sicherheit.
• Erfahrung in regulierten oder unternehmensweiten Datenumgebungen.

Haben wir Ihr Interesse geweckt oder haben Sie Fragen? Wir möchten von Ihnen hören: Kontaktieren Sie uns.