MLOps Engineer, Deep Learning in München

Würden Sie gerne dazu beitragen, dass Deep-Learning-Ingenieure mehr Zeit mit der Lösung bedeutungsvoller Probleme verbringen und weniger Zeit mit der Verwaltung komplexer Workflows? Sind Sie an Automatisierung, Evaluierung, Beobachtbarkeit und der praktischen Nutzung von agentic AI interessiert? In dieser Rolle werden Sie helfen, wie die Entwicklung von Deep Learning bei Zenseact funktioniert. Sie werden Teil eines Teams, das die Entwicklung von Deep Learning mit zuverlässigen Operationen verbindet. Ihre Arbeit unterstützt einen kontinuierlichen Fluss von trainierten und evaluierten Modellen und gibt Ingenieuren und Entscheidungsträgern klarere Informationen über die Leistung.

Sie werden dem Team DLFlow innerhalb unserer MLOps-Einheit beitreten. Unsere MLOps-Teams erstellen die Systeme und Workflows, die die Entwicklung von Deep Learning zusammenbringen und die End-to-End-Entwicklung von Deep Learning ermöglichen; einschließlich Training, Evaluierung und Bereitstellung hardwareoptimierter Modelle in den Produktcode. Die Deep-Learning-Teams von Zenseact erkunden, was gelöst werden muss, und entwickeln neue Wege, um dies zu erreichen. Unser Team hilft dabei, diese Fortschritte in einen reibungslosen, wiederholbaren Prozess für das Training, die Evaluierung und die Integration von Modellen umzuwandeln. Wir arbeiten eng mit Deep-Learning-Entwicklern und anderen Stakeholdern bei Zenseact zusammen, um eine effiziente KI-Fabrik zu schaffen. Die Arbeit liegt an der Schnittstelle zwischen Deep Learning und Betrieb. Wir ziehen Ideen aus CI/CD heran, passen sie jedoch an die Bedürfnisse des maschinellen Lernens an. Unser Fokus liegt darauf, die Entwicklung effizienter zu gestalten und Deep-Learning-Ingenieuren zu helfen, die meiste Zeit mit Deep Learning selbst zu verbringen. Automatisierung, Evaluierung und Beobachtbarkeit sind zentral für das, was wir liefern.

Ihre Rolle und tägliche Aufgaben

• Verbessern Sie die Art und Weise, wie Deep-Learning-Modelle durch Entwicklung, Evaluierung und Lieferung bewegt werden.
• Erstellen Sie zuverlässige Workflows, die komplexe Arbeiten einfacher wiederholbar, verständlich und verbesserbar machen.
• Helfen Sie Teams zu entscheiden, welche Metriken wichtig sind, und präsentieren Sie Ergebnisse auf eine Weise, die fundierte Entscheidungen unterstützt.
• Erforschen Sie neue Ansätze, testen Sie diese in der Praxis, bewerten Sie, wo sie echten Wert schaffen, und verwandeln Sie die vielversprechendsten Ideen in zuverlässige Arbeitsmethoden.

Typische Aufgaben umfassen:

• Automatisierte Workflows für das Training, Testen und Evaluieren von Deep-Learning-Modellen aufbauen und verbessern.
• Beobachtbarkeitstools entwickeln, die die Modellleistung leichter verständlich machen.
• Große Mengen an Metriken in klare Einblicke für Ingenieure und Entscheidungsträger umwandeln.
• Erforschen, wie agentic AI die Prozesse der Deep-Learning-Entwicklung verbessern kann.
• CI/CD-Prinzipien auf Deep-Learning- und maschinelle Lern-Workflows anwenden.
• Mit Deep-Learning-Teams zusammenarbeiten, um ihre Routinen, Schmerzpunkte und technischen Bedürfnisse zu verstehen.
• Prioritäten und Lösungen mit Stakeholdern besprechen und dann nachhaltige Arbeitsweisen etablieren.

Was ist für Sie drin?

Sie werden an einer ingenieurtechnischen Herausforderung arbeiten, die keine vorgefertigte Antwort hat. Sie haben Raum, um Lehren aus anderen Umgebungen einzubringen, während Sie von Menschen lernen, die jeden Tag direkt mit Deep Learning arbeiten. Ihr Beitrag wird anderen Ingenieuren mehr Raum geben, sich auf ihre Kernarbeit zu konzentrieren. Gleichzeitig haben Sie die Möglichkeit, zu helfen, wie neue Technologien, einschließlich agentic AI, durchdacht in Entwicklungsprozesse eingeführt werden.

Qualifikationen & Erfahrung

Wir glauben, dass Sie praktische Kenntnisse im Bereich Deep Learning haben und verstehen, wie ein typischer Entwicklungszyklus aussieht. Sie kennen die häufigen Schmerzpunkte und können effektiv mit Deep-Learning-Ingenieuren kommunizieren. Ihr Interesse geht über die Erstellung von Modellverbesserungen hinaus. Sie sind motiviert, die Systeme und Verfahren zu entwickeln, die einer gesamten Entwicklungsorganisation helfen, effektiv zu arbeiten. Sie verfolgen neue Entwicklungen im Bereich Deep Learning und agentic AI, mit einem Fokus darauf, was sie in der Praxis ermöglichen können. Sie kombinieren Neugier mit gesundem Urteilsvermögen und können erkennen, welche aufkommenden Ideen das Potenzial haben, echten Wert zu schaffen. Sie sind in der Lage, technische Ergebnisse und Metriken in klare, entscheidungsfreundliche Informationen umzuwandeln und effektiv mit Ingenieuren und anderen Stakeholdern zu kommunizieren.

Erforderliche Erfahrungen

• Ein Master-Abschluss in Informatik, Künstlicher Intelligenz, Maschinellem Lernen oder einem verwandten technischen Bereich.
• Praktische Erfahrung mit Deep Learning und ein gutes Verständnis seiner Entwicklungs-Workflows und Herausforderungen.
• Erfahrung mit Automatisierung, Modellevaluierung, Beobachtbarkeit oder verwandten MLOps-Praktiken.
• Verständnis von CI/CD- und DevOps-Konzepten und wie sie an maschinelles Lernen angepasst werden können.
• Fähigkeit, technische Ergebnisse und Metriken in klare, entscheidungsfreundliche Informationen umzuwandeln.
• Fähigkeit, effektiv mit Ingenieuren und anderen Stakeholdern zu kommunizieren und zusammenzuarbeiten.

Schön zu haben, aber nicht entscheidend

• Praktische Erfahrung mit der Integration von KI-Agenten in Softwareentwicklungs-Workflows, über die Verwendung von Codierungsassistenten oder anderen interaktiven KI-Tools hinaus.
• Eine Erfolgsbilanz bei der Einführung neuer Entwicklungspraktiken über Teams hinweg.
• Aufbau automatisierter Trainings-, Test- oder Evaluierungspipelines für maschinelle Lernmodelle.
• Entwicklung von Beobachtbarkeits- oder Visualisierungstools für die Modellleistung.

Diese Rolle kann Zugang zu sensiblen Informationen, Geschäftsgeheimnissen und vertraulichen Daten haben. Im Rahmen des Rekrutierungsprozesses könnte der ausgewählte Kandidat einer Hintergrundüberprüfung unterzogen werden.

Mehr über Zenseact

Unsere Software macht einen Unterschied. Mit KI-basierter Technologie zur Schaffung ultimativer Fahrunterstützung kämpfen wir dafür, Autounfälle zu beenden und Straßen für alle sicher zu machen. Jährlich sterben rund 1,4 Millionen Menschen im Straßenverkehr, während etwa 50 Millionen Menschen verletzt werden. Viele werden infolge ihrer Verletzungen behindert. Wir können es besser machen. Ein Zweck, ein Produkt. Wir sind ein Softwareunternehmen, das sich der Revolutionierung der Fahrzeugsicherheit widmet. Durch die Gestaltung des vollständigen Software-Stacks für autonomes Fahren und fortschrittliche Fahrerassistenzsysteme kämpfen wir dafür, Autounfälle zu beenden und Straßen für alle sicher zu machen. Zenseact wurde von Volvo Cars gegründet, und die Teams sind in Göteborg und Lund, Schweden, sowie in München, Deutschland, ansässig. Wenn wir schneller auf null Unfälle abzielen, streben wir danach, den Übergang zu sicherer Automatisierung zu beschleunigen. Dies wird im Wesentlichen erreicht, indem wir Autos aktualisierbar machen – wie einen Computer oder ein Telefon. Mit regelmäßigen Software-Updates kann ein Fahrzeug lange nach seiner Produktion sicherer gemacht werden. Durch die Beschleunigung von Verbesserungszyklen, Verkürzung von Entwicklungszyklen und schnelle Bereitstellung leistungsfähiger Software können wir Autos sicherer und schneller machen.

Kultur mit Menschen im Mittelpunkt

Um unsere Mission zu erfüllen, Leben zu retten und Verkehrsunfälle zu beenden, müssen wir dorthin gehen, wo noch niemand zuvor war. Es erfordert, dass wir ins Unbekannte vordringen, neue Technologien pionieren und die Grenzen des autonomen Fahrens verschieben. Während wir unsere Entschlossenheit und Expertise nicht leugnen können, müssen wir vereint sein, um erfolgreich zu sein. Indem wir eine Kultur der Unterstützung und Ermöglichung fördern – einen Ort psychologischer Sicherheit, an dem wir alle gedeihen können – wird alles andere folgen. Wir nennen dies eine menschenzentrierte Kultur. Diese Kultur bedeutet Fürsorge. Es bedeutet, dass das Unternehmen sich um mich kümmert und wir uns um einander kümmern. Es bedeutet Teilen, damit wir uns gegenseitig Energie geben und Spaß haben. Unsere Kultur dreht sich auch um Zugehörigkeit. Es ist wichtig, sich zu Hause zu fühlen und dass wir wir selbst bei der Arbeit sein können. Schließlich bedeutet eine menschenzentrierte Kultur Wohlbefinden. Daher genießen wir die Flexibilität, die nötig ist, um unser Bestes zu geben – bei der Arbeit und im Leben. Zenseact arbeitet proaktiv daran, eine Kultur der Vielfalt und Inklusion zu schaffen, in der individuelle Unterschiede geschätzt und respektiert werden. Um Innovation voranzutreiben, sehen wir Vielfalt als Vermögen, was bedeutet, dass wir Unterschiede in Geschlecht, Rasse, Ethnie, Religion oder anderem Glauben, Behinderung, sexueller Orientierung oder Alter usw. wertschätzen und respektieren.