Machine Learning Engineering Intern

Machine Learning Engineering Intern

Praktikum 2115 - 2585 € / Monat (geschätzt) Homeoffice (teilweise)
Zendesk

Auf einen Blick

  • Aufgaben: Entwickle innovative KI-Features und arbeite an spannenden Projekten im Bereich Machine Learning.
  • Unternehmen: Zendesk, ein führendes Unternehmen für Kundenservice-Software mit einer kreativen Kultur.
  • Vorteile: Flexibles Arbeiten, wettbewerbsfähige Vergütung und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Dynamisches Arbeitsumfeld mit großartigen Wachstumschancen.
  • Warum dieser Job: Gestalte die Zukunft der KI und verbessere das Kundenerlebnis mit deinen Ideen.
  • Qualifikationen: Kenntnisse in Python oder TypeScript/JavaScript und Interesse an KI-Systemen.

Das prognostizierte Gehalt liegt zwischen 2115 - 2585 € pro Monat.

Bei Zendesk sind wir begeistert davon, Software zu entwickeln, die das ultimative Kundenerlebnis bietet. Wir suchen einen leidenschaftlichen Machine Learning Engineering Intern, der sowohl an der Backend- als auch an der Frontend-Entwicklung der Zendesk Explore-Plattform arbeitet.

Was Sie tun werden:

  • Teil eines Teams von Ingenieuren sein, das Produktmerkmale für KI-Agenten entwickelt.
  • Ihre Hauptmission ist es, sicherzustellen, dass unsere Bewertungen ein wahres Abbild menschlichen Urteils sind. Sie sind verantwortlich für den Aufbau der Datensätze und Rahmenbedingungen, die uns sagen, wie gut unsere KI-Agenten wirklich sind.
  • Erstellen von Goldenen Datensätzen: Sie werden in reale Gespräche eintauchen, um „goldene Datensätze“ sorgfältig zu annotieren und zu kuratieren. Diese hochwertigen, benchmark Datensätze werden die Quelle der Wahrheit für das Training und Testen unserer Agenten sein.
  • Entwicklung von LLM-as-Judge-Bewertungen: Mit Ihren Python-Kenntnissen werden Sie komplexe Bewertungslogik innerhalb der Braintrust-Plattform schreiben und verfeinern. Sie verwenden modernste „LLM-as-Judge“-Techniken, um die Qualität der Gespräche unserer KI im großen Maßstab zu bewerten.
  • Ständige Verbesserung: Sie vergleichen kontinuierlich unsere automatisierten Bewertungsergebnisse mit menschlichem Feedback. Ihr Ziel ist es, die Bewertungsaufforderungen und -logik so lange zu iterieren, bis wir sicher sind, dass unsere automatisierten Metriken direkt die Qualität und das Verhalten unserer Agenten verbessern.

Was Sie mitbringen:

  • Unser Haupt-Stack ist Python und TypeScript / JavaScript - Sie müssen nicht in allen diesen Sprachen versiert sein, sollten aber in mindestens einer davon sicher sein.
  • Sie sind ehrgeizig und hochmotiviert, komplexe KI-Systeme zu verstehen.
  • Sie haben ein echtes Interesse an großen Sprachmodellen (LLMs), NLP und den Herausforderungen bei der Bewertung von KI-Agenten.
  • Sie können Ihre Ansichten gut anderen erklären und hören ebenso aktiv zu, um eine gute Diskussion zu gewährleisten.
  • Sie arbeiten sicher in mehreren Sprachen sowohl im Frontend als auch im Backend einer SaaS-Anwendung.
  • Sie lernen gerne neue Technologien und erweitern Ihr Wissen und Ihre Fähigkeiten.
  • Sie sind Student.

Wünschenswert:

  • Kenntnisse über AWS und andere Cloud-Dienste.
  • Erfahrung in Backend-Datenpipelines.
  • Jegliches Wissen und/oder Erfahrung in der Analytics-Branche.

Zendesk ist ein Arbeitgeber, der Chancengleichheit bietet, und wir sind stolz auf unsere fortlaufenden Bemühungen, globale Vielfalt, Gleichheit und Inklusion am Arbeitsplatz zu fördern.

Machine Learning Engineering Intern Arbeitgeber: Zendesk

Zendesk ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern eine erfüllende und inklusive Erfahrung bietet. Mit einem hybriden Arbeitsmodell ermöglicht das Unternehmen Flexibilität und fördert gleichzeitig die Zusammenarbeit und das Lernen in inspirierenden Büros in Städten wie Berlin, Krakau und Lissabon. Mitarbeiter haben die Möglichkeit, an innovativen Projekten zu arbeiten, sich kontinuierlich weiterzuentwickeln und Teil eines Teams zu sein, das die Zukunft der KI-Interaktionen gestaltet.

Zendesk

Kontaktdaten:

Zendesk Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Machine Learning Engineering Intern erhalten könntest

Nutze Hochschulkarrieremessen

Bei der Suche nach einem Datenwissenschafts-Praktikum solltest du unbedingt die Karrieremessen an deiner Universität nutzen. Dort kannst du direkt mit Firmen, die gerade Praktika anbieten, in Kontakt treten – so zeigst du dein Interesse und kannst dir einen persönlichen Eindruck verschaffen.

Engagiere dich in Data-Science-Communities

Schau dich in lokalen oder Online-Communities um, die sich mit Data Science befassen. Plattformen wie Meetup oder spezielle Slack-Channels bieten tolle Gelegenheiten, um Gleichgesinnte zu treffen, von aktuellen Trends zu erfahren und eventuell sogar Stellenangebote zu bekommen.

Praktische Projekte zeigen

Baue dir ein Portfolio mit Projekten auf, die deine Fähigkeiten in Data Science zeigen. Dies kann ein kleines Machine-Learning-Projekt oder eine Datenanalyse sein. Verlinke diese Arbeiten in deinem Lebenslauf, wenn du dich bei Zendesk bewirbst – so hinterlässt du einen bleibenden Eindruck.

Nutze unsere Plattform für Bewerbungen

Vergiss nicht, dich direkt über unsere Webseite bei Zendesk für Praktika zu bewerben. Wir haben dort viele interessante Angebote, und das Bewerben über uns erhöht deine Chance, gesehen zu werden!

Wir glauben, dass du diese Fähigkeiten brauchst, um Machine Learning Engineering Intern mit Bravour zu bestehen

Python
TypeScript
JavaScript
Large Language Models (LLMs)
Natural Language Processing (NLP)
Data Annotation
Dataset Creation

Einige Tipps für deine Bewerbung 🫡

Zeig deine Datenliebe mit Projekten!:In der Datenwissenschaft ist es super wichtig, praktische Erfahrung zu zeigen. Teile einige deiner spannenden Projekte, sei es von deinem Studium oder von privaten Experimenten. Nutze GitHub oder andere Plattformen, um diese Projekte vorzustellen – das beeindruckt uns bei Zendesk definitiv!

Statistiken und Methoden im Anschreiben betonen:Bei einem Praktikum in der Datenwissenschaft wollen wir sehen, dass du dich mit den Grundlagen auskennst. Betone in deinem Anschreiben deine Erfahrungen mit statistischen Methoden, Datenanalyse-Tools oder Programmiersprachen wie Python oder R. Das macht deutlich, dass du bereit bist, tiefer einzutauchen und zu lernen.

Die richtige Ausbildung anführen:Wenn du dich für ein Praktikum bewirbst, ist es wichtig, deine akademischen Leistungen zu zeigen. Füge relevante Kurse und Projekte hinzu, die sich auf Datenanalyse oder maschinelles Lernen beziehen. Das hilft uns zu sehen, dass du das notwendige Wissen mitbringst, um bei Zendesk durchzustarten!

Werde kreativ im Lebenslauf!:Im Datenwissenschaftsbereich dreht sich vieles um Problemlösen und kreatives Denken. Sei also mutig und gestalte deinen Lebenslauf nicht nur informativ, sondern auch ansprechend! Hebe relevante Fähigkeiten, Tools und Erfahrungen hervor. Und vergiss nicht, dich über unsere Website zu bewerben – wir freuen uns darauf, von dir zu hören!

Wie man sich auf ein Vorstellungsgespräch bei Zendesk vorbereitet

Bereite dein Portfolio vor!

Als Data Science Praktikant sollten wir unsere bisherigen Projekte und Erfahrungen in einem Portfolio zusammenstellen. Zeige deine Analysen, Visualisierungen oder Modelle. Das gibt den Interviewern einen konkreten Eindruck von deinen Fähigkeiten und deinem Ansatz bei der Datenanalyse.

Technische Fragen im Data Science Bereich

Erwarte technische Fragen zu Algorithmen und statistischen Methoden, die wir in der Praxis angewendet haben. Sei bereit, über Machine Learning-Modelle, Datenaufbereitung und deine Erfahrungen mit Programmiersprachen wie Python und R zu sprechen.

Motivation und Lernwille betonen

Da es sich um ein Praktikum handelt, wird oft mehr auf dein Interesse und deine Lernbereitschaft geachtet. Zeige auf, warum du in das Data Science Team bei Zendesk möchtest und wie du deine Fähigkeiten weiterentwickeln willst. Ein echtes Interesse an der Materie überzeugt oft mehr als langjährige Erfahrung!

Fragen zur Teamarbeit und Analytics-Tools

Bereite dich darauf vor, über konkrete Situationen zu sprechen, in denen du im Team gearbeitet hast. Insbesondere in Data Science kommen oft Tools wie Jupyter Notebooks oder Tableau zum Einsatz. Wenn du damit Erfahrungen hast, bring sie zur Sprache und erläutere, wie du sie in Projekten eingesetzt hast!