KI-Ingenieur mit Fachkenntnissen in Datentechnik und maschinellem Lernen in Ragenta, mizhnarodne rekrutingove agentstvo

KI-Ingenieur (Machine Learning, Data Engineering)

Amerikanisches IT-Unternehmen sucht einen KI-Ingenieur mit Kenntnissen in maschinellem Lernen und Data Engineering.

Aufgabenbereiche: Entwicklung von ML-Modellen, Aufbau von Datenpipelines, Bereinigung und Integration von Daten.

Anforderungen:

• Python (Pandas, NumPy, TensorFlow oder PyTorch), SQL, Erfahrung mit ETL-Prozessen. Erfahrungen mit AWS / GCP, Airflow, Spark oder Docker sind von Vorteil.
• Wir berücksichtigen nur diejenigen, die eine berufliche Hochschulausbildung abgeschlossen haben (Statistik, Mathematik, Angewandte Mathematik, Softwaretechnik, Informationstechnologie, Informatik, Computertechnik, Systemanalyse, Cybersicherheit, Informationssysteme, Automatisierung und computerintegrierte Technologien, Elektronik, Telekommunikation). Kybernetik);
• Berufskurse, Schulen, Selbststudium sind willkommen, aber wir denken nicht ohne eine professionelle Hochschulausbildung;
• Möglichkeit, 5 Tage der Arbeit zu widmen;
• Englisch mindestens B1, für Korrespondenz mit amerikanischen Kollegen; Freizeit ist NICHT erforderlich;

Wir bieten:

• Fernarbeit von jeder Stadt in der Ukraine aus;
• 5 Tage die Woche, durchschnittlich 7-8 Stunden am Tag; um 9:00 Uhr – Festlegung der Tagesaufgabe, um 19:00 Uhr. — Zusammenfassung der Ergebnisse; Tagsüber ist der Stundenplan kostenlos;
• Tarif hängt von der Erfahrung ab, Überstunden werden bezahlt.

Senden Sie Ihren Lebenslauf mit einem kurzen Anschreiben: Warum Sie denken, dass Sie für diese Rolle richtig sind. Auf Englisch. Bitte fügen Sie einen Link zu einem Portfolio oder GitHub mit Beispielprojekten im Bereich maschinelles Lernen/Data Engineering bei.

Berufsbezeichnung: KI-Ingenieur mit Fachwissen in den Bereichen Datentechnik und maschinelles Lernen

Über uns:

Wir bauen die nächste Generation intelligenter Systeme, die wichtige Entscheidungsprozesse für Unternehmen in verschiedenen Branchen unterstützen. Unsere Arbeit kombiniert fortschrittliche KI, Datentechnik und modernste Business-Intelligence-Tools, um Lösungen zu schaffen, die datengesteuerte Erkenntnisse ermöglichen.

Wir suchen einen KI-Ingenieur, der sich nicht nur mit Techniken des maschinellen Lernens auskennt, sondern auch über ein solides Verständnis der Prinzipien der Datentechnik verfügt. Der ideale Kandidat verfügt über praktische Erfahrung in der Erstellung von Datenpipelines, ETL-Prozessen sowie der Datenbereinigung und -harmonisierung. Sie spielen eine Schlüsselrolle bei der Entwicklung intelligenter Modelle, die es unserem Team ermöglichen, strategische, datengestützte Entscheidungen zu treffen.

Was Sie tun werden:

Entwerfen und implementieren Sie KI-Modelle und Algorithmen mithilfe von Techniken des maschinellen Lernens (z. B. Entscheidungsbäume, neuronale Netze und nichtparametrische Modelle).

Arbeiten Sie mit dem Data Engineering-Team zusammen, um Datenpipelines für Echtzeit- und Stapelverarbeitung zu entwerfen, aufzubauen und zu warten.

Entwickeln und optimieren ETL-Prozesse für die Datenintegration und -transformation aus mehreren Quellen.

Bereinigen und harmonisieren Sie Daten aus unterschiedlichen Quellen, um Genauigkeit und Konsistenz sicherzustellen.

Erstellen Sie automatisierte Workflows für die Datenbereinigung, FunktionEngineering und Modellbereitstellung.

Arbeiten Sie mit Business-Intelligence-Teams zusammen, um datengesteuerte Lösungen zu entwickeln, die umsetzbare Erkenntnisse für Entscheidungsträger liefern.

Kontinuierliche Bewertung und Verbesserung der Modellleistung durch Iteration auf der Grundlage von Feedback und neuen Daten.

Schlüsselkompetenzen und Anforderungen:

Maschinelles Lernen: Umfangreiche Erfahrung mit überwachten und unüberwachten Lernalgorithmen (Entscheidungsbäume, neuronale Netze, Random Forests, k-nearest). Nachbarn usw.).

Datentechnik: Solides Verständnis von ETL-Pipelines, Datenintegration, -transformation und -bereinigung mit Tools wie Apache Airflow, dbt, Talend oder ähnlichem.

Programmiersprachen: Kenntnisse in Python (mit Bibliotheken wie Pandas, NumPy, Scikit-learn, TensorFlow oder PyTorch).

Datenstrukturen und Algorithmen: Vertrautheit mit Datenstrukturen, Modellbewertungstechniken, und Optimierungsstrategien.

Datenanalyse: Fähigkeit zur explorativen Datenanalyse (EDA) und Funktionsauswahl unter Verwendung statistischer Methoden.

Business Intelligence: Vertrautheit mit BI-Tools wie Power BI, Tableau oder Looker und Fähigkeit, Analyseergebnisse in aussagekräftige Visualisierungen umzuwandeln.

Cloud-Plattformen: Erfahrung mit Cloud-Technologien wie AWS, GCP oder Azure für die Modellbereitstellung und Datenpipeline-Verwaltung.

SQL: Fundierte Kenntnisse in relationalen Datenbanken und SQL zum Abfragen und Bearbeiten großer Datensätze.

Problemlösung und Kommunikation: Fähigkeit, komplexe Datenprobleme zu analysieren, technische Konzepte an nicht-technische Stakeholder zu kommunizieren und gut in einer kollaborativen Umgebung zu arbeiten.

Nice to Have:

Erfahrung mit nichtparametrischen Modellen (z. B. Kernel-Methoden, k-NN) und Modellauswahl.

Vertrautheit mit Big-Data-Frameworks wie Hadoop oder Spark.

Kennenlernen von DevOps-Praktiken für die Modellbereitstellung (Docker, Kubernetes, CI/CD).

Warum bei uns mitmachen?

Innovative Kultur: Werden Sie Teil eines zukunftsorientierten Unternehmens, das sich auf modernste KI und datengesteuerte Lösungen konzentriert.

Wachstumschancen: Kontinuierliches Lernen mit Zugang zu neuen Technologien, Schulungen und Ressourcen zur Karriereentwicklung.

Zusammenarbeit Umgebung: Arbeiten Sie mit talentierten Ingenieuren, Datenwissenschaftlern und Geschäftsanalysten in einer teamorientierten Kultur zusammen.

Flexible Arbeitsvereinbarungen: Vollständig remote mit einem verteilten Team, um die Work-Life-Balance zu unterstützen.

So bewerben Sie sich:

Wenn Sie eine Leidenschaft für KI und Datentechnik haben, möchten wir von Ihnen hören! Reichen Sie Ihren Lebenslauf zusammen mit einem kurzen Anschreiben ein, in dem Sie erklären, warum Sie für die Stelle gut geeignet sind. Bitte fügen Sie alle relevanten Portfolio- oder GitHub-Links bei, die Ihre Machine-Learning- oder Data-Engineering-Projekte präsentieren.