Ihre Aufgaben

Konzeptionelle Beratung

• Aus dem Blickwinkel eines Machine Learning Engineer DevOps/MLOps beraten und unterstützen Sie unsere Kunden bei der Konzeption ihrer ML Infrastruktur auf Basis der IT Infrastruktur.
• Als Teil eines hochqualifizierten Teams stellen Sie sicher, dass im Rahmen von ML Projekten, skalierbare IT Infrastrukturen in der Cloud oder on premise erstellt werden.

Data Engineering

• In diesem Kontext bauen Sie robuste Data Pipelines mit Daten aus den Bestandssystemen unserer Kunden.

Operationalisierung

• Sie integrieren ML Modelle in die ML Infrastruktur des Kunden und stellen deren Betrieb sicher.
• Sie sind verantwortlich für die Ausfallsicherheit der ML Modelle und stellen unseren Kunden entsprechende Monitorings (ML Infrastruktur/Applikationen/fachliches Monitoring) zur Verfügung.

Wir bieten Ihnen

• Reisezeiten werden mehrheitlich als Arbeitszeit anerkannt, Homeoffice, Freizeitausgleich und modernste Arbeitsplätze sind bei uns eine Selbstverständlichkeit.
• Große Freiräume für eigenverantwortliches Handeln sowie für das Entwickeln und Umsetzen eigener Ideen, um das direkte Arbeitsumfeld und das Unternehmen aktiv
  mitzugestalten.
• Eine ausgeprägte Unternehmenskultur der Innovation und vielfältige Möglichkeiten der persönlichen Weiterentwicklung und -bildung.
• Eine offene und freundliche Unternehmenskultur mit netten und hilfsbereiten Kolleginnen und Kollegen.
• Kurze, persönliche und effiziente Kommunikationswege auf Management- und Vorstandsebene sichern ein schnelles und effizientes Arbeiten.

Ihre Qualifikationen

• Sie weisen mind. 3-5 Jahre relevante Berufserfahrung auf, idealerweise in der Rolle eines Machine Learning Expert/Machine Learning Scientist oder DevOps im ML Kontext.
• Sie besitzen einen guten Überblick über aktuelle technologische Entwicklungen und Tools im Bereich Machine Learning.
• Sie haben sehr gute Kenntnisse in:
  • Python: Pandas, scikit-learn, PyTorch, TensorFlow
  • Machine Learning: NLP, überwachtes und unüberwachtes Lernen, Zeitreihenanalyse,
    Optional: Deep Learning
• Gute Kenntnisse in jeweils einer der folgenden Technologien:
  • Operationalisierung: mlFlow, Kubeflow
  • Infrastruktur: Terraform, Ansible
  • Monitoring: Elasticsearch, Prometheus, Splunk
• Gute Kenntnisse in:
  • Data Engineering: Spark, Kafka, Airflow, MS SQL
  • Cloud Plattformen (in mind. einer Cloud Plattform): Azure, AWS (SageMaker), GCP (AI Plattform)
  • Container Technologien: Docker, Kubernetes
    (OpenShift), Microservice Architekturen
• Eine im Beratungsumfeld notwendige Flexibilität
  und Mobilität ist für Sie selbstverständlich.