Auf einen Blick
- Aufgaben: Entwickle und verbessere ML-Lösungen in einer dynamischen Cloud-Umgebung.
- Unternehmen: Zeta Global, ein führendes Unternehmen im Bereich KI-gestütztes Marketing.
- Vorteile: Wettbewerbsfähige Vergütung, Aktienoptionen, flexible Arbeitszeiten und Homeoffice-Möglichkeiten.
- Weitere Informationen: Hohe Autonomie, kurze Genehmigungszyklen und Fokus auf Produktentwicklung.
- Warum dieser Job: Arbeite an bedeutenden Projekten mit modernster Technologie und einem unterstützenden Team.
- Qualifikationen: Erfahrung in ML, Python-Kenntnisse und Teamarbeit in multikulturellen Umgebungen.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Wer wir sind: Zeta Global (NYSE: ZETA) ist die KI-gestützte Marketing-Cloud, die fortschrittliche künstliche Intelligenz (KI) und Billionen von Verbrauchersignalen nutzt, um es Marketern zu erleichtern, Kunden effizienter zu gewinnen, zu wachsen und zu halten. Durch die Zeta Marketing Plattform (ZMP) ist unser Ziel, anspruchsvolles Marketing einfach zu gestalten, indem Identität, Intelligenz und Omnichannel-Aktivierung in einer einzigen Plattform vereint werden – unterstützt von einer der größten proprietären Datenbanken und KI der Branche. Unsere Unternehmenskunden aus verschiedenen Branchen sind in der Lage, Erlebnisse mit Verbrauchern auf individueller Ebene über jeden Kanal zu personalisieren und bessere Ergebnisse für Marketingprogramme zu liefern.
Die Rolle: Wir suchen einen erfahrenen ML Engineer / Data Scientist mit mehr als 3 Jahren Erfahrung in Software oder angewandtem ML, um maschinelle Lernlösungen in einer dynamischen Cloud-Umgebung, hauptsächlich auf AWS, zu entwerfen, zu bauen und zu verbessern. Diese Rolle befindet sich an der Schnittstelle von Data Science und Engineering: Daten erkunden, Modelle entwickeln, rigorose Experimente durchführen und die besten Ansätze in eine zuverlässige, reproduzierbare Arbeitsweise überführen.
Wer Sie sind:
- Starke Grundlagen in maschinellem Lernen, Statistik und Versuchsdesign.
- Erfahrung im Aufbau von Modellen für reale Geschäfts- oder Produktprobleme.
- Komfortabel im Umgang mit strukturierten und unstrukturierten Daten.
- Fähigkeit, Ansätze mit klaren Metriken zu vergleichen und fundierte Entscheidungen über Trade-offs zu treffen.
- Interesse an modernem ML, einschließlich klassischem ML, Deep Learning und LLM / GenAI-Workflows.
- Versiert in Python und in der Lage, sauberen, modularen, testbaren Code zu schreiben.
- Erfahrung in der Entwicklung und Bereitstellung von ML-Lösungen in einer Cloud-Umgebung, insbesondere AWS.
- Komfortabel beim Übergang von Prototypen zur Produktion.
- Unabhängiger Ingenieur, der die Arbeit vom Problemframing bis zur Implementierung und Einführung übernehmen kann.
- Ausgezeichnete schriftliche und mündliche Englischkenntnisse.
- Genießen die enge Zusammenarbeit mit Ingenieuren, Produktpartnern und anderen Data Scientists.
- Klare Kommunikation von Methoden, Ergebnissen und Einschränkungen an technische und nicht-technische Zielgruppen.
- Master-Abschluss in Wissenschaft oder Ingenieurwesen oder gleichwertige praktische Erfahrung.
Schön zu haben:
- Erfahrung mit scikit-learn, PyTorch, TensorFlow, XGBoost oder ähnlichen Modellierungsstacks.
- Vertrautheit mit ML-Experimentverfolgung und Reproduzierbarkeit.
- Erfahrung mit SQL, Datenlagern/-seen und Pipeline-Tools wie Airflow, dbt oder Spark.
- Kenntnisse über Feature Stores, Einbettungspipelines oder Vektorsuche für abrufbasierte Systeme.
- Erfahrung im Aufbau von HTTP/gRPC-APIs oder leichten Diensten rund um die Modellinferenz.
- Grundkenntnisse in Docker, grundlegender Orchestrierung und CI/CD.
- Erfahrung in agilen, Remote- und asynchronen Teamumgebungen.
- Veröffentlichungen, Patente, Kaggle/Wettbewerbsergebnisse oder Open-Source-ML-Beiträge.
Was Sie an dieser Rolle mögen könnten:
- Praktische Modellierungsarbeit mit Raum zum Erkunden, Benchmarking und Verbessern realer Systeme.
- Zusammenarbeit bei ML-Patentanmeldungen und Teilnahme an wöchentlichen ML-/Forschungsbesprechungen.
- Ein multikulturelles, ingenieurlastiges Team mit starker Unterstützung durch Kollegen.
- Hohe Vertrauensbasis und Autonomie – klare Ziele, Freiheit, wie man sie erreicht.
- Interne Produktwirkung: bedeutende Projekte, die die Entwickler- und Benutzererfahrung verbessern.
- Kurze Genehmigungszyklen und solide Produktpartnerschaften.
- Eine gesunde Besprechungspolitik und Betonung des Schutzes der Fokuszeit.
- Flexible Arbeitszeiten, Optionen für Remote/Homeoffice und ein ruhiges Büro nur für Ingenieure vor Ort.
- Wettbewerbsfähige Vergütung, einschließlich Aktienoptionen.
Menschen & Kultur bei Zeta: Zeta betrachtet Bewerber für die Beschäftigung ohne Rücksicht auf Geschlecht, Rasse, Farbe, Religion, Alter, Behinderung, Veteranenstatus oder nationale oder ethnische Herkunft; ebenso diskriminiert Zeta nicht aufgrund sexueller Orientierung, Geschlechtsidentität oder -ausdruck. Wir setzen uns dafür ein, eine Arbeitsplatzkultur des Vertrauens und der Zugehörigkeit aufzubauen, damit sich jeder eingeladen fühlt, sein ganzes Ich zur Arbeit zu bringen.
ML Ops Engineer Arbeitgeber: Zeta Global
Zeta Global ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der Innovation und Zusammenarbeit im Mittelpunkt stehen. Mit flexiblen Arbeitszeiten, der Möglichkeit für Remote-Arbeit und einem starken Fokus auf persönliche und berufliche Weiterentwicklung, ermöglicht Zeta seinen Mitarbeitern, bedeutende Beiträge zu leisten und an spannenden Projekten zu arbeiten. Die Unternehmenskultur fördert Vielfalt und Inklusion, sodass jeder Mitarbeiter sich wertgeschätzt und gehört fühlt.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so ML Ops Engineer erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Zeta Global zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um ML Ops Engineer mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als ML Ops Engineer bei Zeta Global gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Zeta Global vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Zeta Global entscheidend sein!