Das ist der Job
Praktische Erfahrung im Aufbau von End-to-End ML-Pipelines. Praktische Erfahrung mit LLM-Anwendungen und produktiver Agent-Orchestrierung.
Das brauchst du
Sehr gute Python-Kenntnisse sowie Erfahrung mit Docker und AWS oder GCP. Solide Grundlagen im Bereich Machine Learning, Grundkenntnisse in NLP sowie ausgepr gte Erfahrung in der Modellevaluation. Grundkenntnisse in Cloud Security und Operations Themen.
Darum lohnt es sich
Was du unbedingt mitbringst Berufserfahrung in der Entwicklung, Bereitstellung und dem Betrieb von produktiven ML-Systemen. Ausgepr gte Kommunikations- und Teamf higkeit: Du stimmst dich bereichs bergreifend ab, machst Entscheidungen transparent, dokumentierst sorgf ltig und gibst sowie erh ltst konstruktives Feedback.
Erfahrung im Umgang mit gro en Datenmengen und SQL. Starke analytische Probleml sungskompetenz: Du kannst unklare Fragestellungen strukturieren und beurteilen, ob ML der geeignete L sungsansatz ist. Was du idealerweise noch mitbringst Erfahrung mit NoSQL-Datenbanken und/oder Distributed Processing, sowie Streaming.
Erfahrung im Mentoring von Kolleg:innen sowie im Etablieren pragmatischer Engineering-Standards. Was dich erwartet Du entwickelst, implementierst, deployest und verbesserst ML-Modelle kontinuierlich und bernimmst Verantwortung vom Prototyp bis zum produktiven Betrieb. Du baust reproduzierbare Daten- und ML-Pipelines auf.
Du containerisierst ML-Services und Batch-Jobs mit Docker, um konsistente und skalierbare Deployments zu erm glichen. Du deployest und betreibst ML
