Machine Learning Engineer

Wir suchen einen Foundational Machine Learning Engineer für eine hochwirksame Greenfield-Möglichkeit, um unsere MLOps-Infrastruktur von Grund auf bei Vestiaire Collective aufzubauen. Ihr unmittelbarer Fokus wird auf unseren KI-Authentifizierungsinitiativen liegen (einschließlich der Bereitstellung von Multi-Modell-Ansätzen wie Computer Vision zur Authentifizierung von Luxusprodukten und zur Erkennung von Fälschungen). Ihre langfristige Mission wird es sein, die grundlegende Architektur über den gesamten Marktplatz hinweg zu skalieren. Sie werden unsere ML-Fähigkeiten erweitern, um breitere Bereiche zu unterstützen, wobei der Schwerpunkt zunächst auf Such- und Empfehlungssystemen liegt, mit zukünftigen Erweiterungen in dynamische Preisgestaltung und Marketingtechnologien.

Sie werden als Brücke zwischen angewandter Wissenschaft, Datenplattform und Backend-Engineering fungieren, robuste, entkoppelte Architekturen entwerfen und die MLOps-Strategie mit unserem Director of Data vorantreiben, wobei Sie die Wartbarkeit des Systems, die Ingenieureffizienz und die zuverlässige Bereitstellung komplexer Modelle priorisieren, um sicherzustellen, dass alle unsere ML-Modelle einen hohen Durchsatz und eine niedrige Latenz bieten.

Was Sie tun werden

• Kurzfristige Auswirkungen (erste 6 Monate): Enge Zusammenarbeit mit den Operations-Teams und Data Scientists, um ML- und RAG-Prototypen in belastbaren, produktionsbereiten Code zu beschleunigen. Sie werden direkt mit dem Team zusammenarbeiten, um schwere CV- und VLM-Modelle zur Betrugserkennung und Authentifizierung von Luxusprodukten bereitzustellen, was sofort unser Vertrauen und unsere Sicherheit verbessert.
• Mittel- bis langfristige Grundlage (MLOps-Lebenszyklus & Infrastruktur): Führen Sie die grundlegenden Arbeiten unseres ML-Lebenszyklus durch, indem Sie robuste Systeme für Daten- und Feature-Management, Modellverfolgung und -registrierung sowie Modellbereitstellung und -überwachung entwerfen. Sie werden die Infrastruktur skalieren, indem Sie kontinuierliche Retraining-Pipelines automatisieren, die verschiedene Bereitstellungscadenzen (von täglicher Betrugserkennung bis wöchentlicher Empfehlungen) bewältigen, widerstandsfähige Multi-Modell-Architekturen entwerfen und die technischen Aufwände und TCO unserer internen Tools im Vergleich zu unternehmensgerechten Plattformen kritisch bewerten, um langfristige Widerstandsfähigkeit sicherzustellen.
• Langfristige Vision (Zentralisierung der 360-Grad-MLE-Fähigkeiten): Agieren Sie als Pionier und Eckpfeiler für die ML-Engineering-Disziplin bei Vestiaire Collective, indem Sie die technischen Standards festlegen, um die AI/ML-Organisation zu skalieren. Sie werden in eine zentrale Rolle übergehen, die über die Operationen eines einzelnen Teams hinausgeht, um das Team zu betreuen und horizontale ML-Infrastruktursupport für mehrere Bereiche bereitzustellen, einschließlich Suche, Entdeckung, Preisgestaltung, Marketing und Datenplattformen.

Wer Sie sind

• Must-Haves: 5-8+ Jahre praktische Erfahrung im Bereich Machine Learning Engineering, insbesondere im Aufbau und der Skalierung von MLOps-Infrastruktur und der Produktionsbereitstellung von ML-Systemen.
• Produktionsinfrastruktur: Nachweisliche Expertise in der Bereitstellung von latenzarmen, hochdurchsatzfähigen ML-Inferenzdiensten (unter Verwendung von FastAPI, TorchServe, Triton Inference Server oder Ray Serve) sowohl für klassische leichte als auch für schwere ML-Modelle (PyTorch/TensorFlow). Starke Präferenz für AWS (EKS, EC2, SageMaker) / Snowflake und Open Source-Ökosysteme gegenüber GCP/Azure.
• MLOps & Pipelines: Tiefe Erfahrung im Aufbau automatisierter, kontinuierlicher Modell-Retraining-Pipelines zur Bewältigung von Konzeptdrift (von täglichen bis wöchentlichen Zyklen). Sie haben entkoppelte, Multi-Modell-AI-Architekturen mit Tools wie Airflow, Kubeflow oder Metaflow orchestriert und verfügen über starke Expertise in Modellregistrierungs- und Verfolgungstools wie MLflow oder Weights & Biases.
• Feature Stores: Praktische Erfahrung in der Bewertung, dem Aufbau oder der umfangreichen Nutzung von Online- (Redis, DynamoDB) und Offline- (Snowflake, S3) Feature Stores in einer Produktionsumgebung. Vertrautheit mit Frameworks wie Feast oder benutzerdefinierten dbt-basierten Pipelines ist sehr geschätzt.
• Strategischer Builder-Mindset: Sie sind ein analytischer Builder, der langfristig denkt. Sie können erfolgreich TCO für maßgeschneiderte interne Systeme im Vergleich zu Unternehmenswerkzeugen bewerten, technische Verbindlichkeiten antizipieren und robuste Architekturen entwerfen, die unvorhersehbare Spitzenlasten bewältigen.
• Zusammenarbeit & Ingenieureffizienz: Starke funktionsübergreifende Kommunikationsfähigkeiten. Sie sind hervorragend darin, komplexe ML-Prototypen in hochskalierbaren Produktionscode zu übersetzen, der durch strenge Versionskontrolle, rigoroses Testen und CI/CD-Best-Practices unterstützt wird, und verbinden nahtlos Innovationen in der Datenwissenschaft mit der Ausführung im Backend-Engineering.

Nice-to-Haves:

• Relevante Fachkenntnisse: Hintergrund im E-Commerce, Single-SKU-Marktplätzen, Suche & Empfehlung, Vertrauen & Sicherheit oder Fälschungserkennung.
• Vision, Edge & Optimierung: Praktische Erfahrung mit Vektordatenbanken, visuellen RAG-Pipelines, der Bereitstellung von Deep Learning VLM-Modellen und der Optimierung von Modellen für Edge-Computing oder latenzarme Inferenz (z.B. ONNX, TensorRT).
• Infrastruktur & Beobachtbarkeit: Fortgeschrittene Erfahrung mit Containerisierung (Docker, Kubernetes), Infrastructure as Code (Terraform) und Datentransformations-Workflows (dbt). Vertrautheit mit der Einrichtung fortschrittlicher Überwachung für Modellleistung, Konzeptdrift und Systemgesundheit (Datadog, Prometheus).

Was wir anbieten

• Eine sinnvolle Arbeit mit Einfluss auf die Art und Weise, wie Menschen Mode konsumieren und Nachhaltigkeit fördern.
• Die Möglichkeit, karrierebestimmende Arbeit in einem schnell wachsenden französischen Scale-up zu leisten.
• Die Möglichkeit, Teil eines global vielfältigen Teams mit mehr als 50 Nationalitäten zu sein.
• Zwei Tage, um Projekte zu unterstützen – Ihre Aktivistenreise zu verstärken und sich für eine Organisation zu engagieren.
• Signifikante Investitionen in Ihr Lernen und Wachstum.
• Wettbewerbsfähiges Vergütungs- und Leistungspaket (d.h. 28 Tage bezahlter Urlaub).

Wir glauben, dass Talent viele Formen annimmt, und wir setzen uns dafür ein, ein integratives Umfeld zu schaffen, in dem jeder gedeihen kann. Ihre einzigartige Perspektive könnte genau das sein, was unser Team braucht, also ermutigen wir Sie, sich zu bewerben, auch wenn Sie nicht alle Anforderungen erfüllen.

Vestiaire Collective ist ein Arbeitgeber, der Chancengleichheit bietet.

Seien Sie vorsichtig bei Betrügereien: Vestiaire Collective kontaktiert Kandidaten nur über offizielle E-Mails, die auf @vestiairecollective.com oder no-reply@hire.lever.co enden. Wir verwenden niemals WhatsApp, Telegram oder ähnliche Apps für Stellenangebote und werden niemals Zahlungen oder Bankdaten anfordern. Wenn Sie eine verdächtige Nachricht erhalten, melden Sie dies bitte an talentacquisition@vestiairecollective.com.