Parship

Was du unbedingt mitbringst Solide Grundlagen in Machine-Learning-Konzepten und der Bewertung von Modellen, welche du durch dein Studium, eine Weiterbildung oder praktische bzw.

Bitte lesen Sie die unten stehende Übersicht und die Anforderungen für diese Stellenausschreibung vollständig durch.

berufliche Erfahrung gesammelt hast.

Praktische Python-Kenntnisse und die Fähigkeit, klaren und gut wartbaren Code zu schreiben.

Erste Berührungspunkte im Umgang mit Daten und SQL.

Erste praktische Erfahrung bei der Entwicklung einer ML-Lösung.

Interesse daran zu lernen, wie Modelle und Datenpipelines in Produktionsumgebungen bereitgestellt, berwacht und verbessert werden.

Eine strukturierte Herangehensweise an die Problemlösung.

Klare Kommunikationsfähigkeiten sowie eine offene und kooperative Arbeitsweise.

Gute Englischkenntnisse für die tägliche Kommunikation.

Was du idealerweise noch mitbringst Erste Erfahrungen mit Docker oder einem anderen Containerisierungstool.

Erste Berührungspunkte mit AWS, GCP oder einer anderen Cloud-Plattform.

Vertrautheit mit NLP, Anwendungen großer Sprachmodelle (LLMs) oder KI-Agenten.

Erfahrung mit NoSQL-Datenbanken, verteilter Datenverarbeitung oder Streaming-Technologien.

Grundkenntnisse gängiger Software-Engineering-Praktiken wie Versionskontrolle, Testing und Continuous Integration.

Erfahrung mit dem Betrieb, der Überwachung oder der Fehlerbehebung bei einem ML-Modell oder einer Datenpipeline.

Was dich erwartet Gemeinsam mit erfahrenen Kolleg:innen bersetzt du Produkt- und Gesch ftsfragen in klar definierte Machine-Learning-Aufgaben.

Du entwickelst, evaluierst und verbesserst Machine-Learning-Modelle mit Python.

Du trägst zu reproduzierbaren Daten- und ML-Pipelines bei von ersten Experimenten bis zur Bereitstellung in der Produktion.

Du bereitest Services oder Batch-Jobs mithilfe von Tools wie Docker für den produktiven Einsatz vor.

Du arbeitest mit cloudbasierten ML-Umgebungen in AWS oder GCP.

Du nutzt SQL, um Daten zu untersuchen, aufzubereiten und zu validieren.

Du überwachst die Performance von Modellen, gehst möglichen Problemen auf den Grund und trägst dazu bei, die Zuverlässigkeit unserer produktiven Lösungen kontinuierlich zu verbessern.

Du dokumentierst deine Arbeit sowie Annahmen, Abw gungen und Ergebnisse nachvollziehbar.

Du arbeitest eng mit Kolleg:innen aus Data Engineering, Software Engineering, Product und weiteren Unternehmensbereichen zusammen.

Du ber cksichtigst bei der Entwicklung und Bewertung von Lösungen Aspekte wie Modellqualit t, Robustheit und Fairness.