Einführung des "Keine Einstellungsgebühr"-Pakets!
Stellenanzeigen veröffentlichen
Ohne Provisionen einstellen
Leitender Ingenieur für maschinelles Lernen bei AVENGA in AVENGA
279 Ansichten
AVENGA
Als Ingenieur für maschinelles Lernen arbeiten Sie mit Datenwissenschaftlern, Produktmanagern und Dateningenieuren zusammen, um Modelle für maschinelles Lernen in der Produktion zu implementieren und den Lebenszyklus von Algorithmen für künstliche Intelligenz in verschiedenen Bereichen zu verwalten. Sie entwickeln und implementieren neuartige Ansätze zur Optimierung bestehender maschineller Lernsysteme, um ihren Geschäftswert zu maximieren. Arbeiten Sie 8 Stunden lang mit sogenannter Überlappung von 16:00 – 20:00 Uhr MEZ.
Grundqualifikationen
- Mindestens sieben Jahre postsekundäre Ausbildung oder einschlägige Berufserfahrung
Weitere erforderliche Qualifikationen: < /strong>
- Mindestens sieben Jahre postsekundäre Ausbildung oder einschlägige Berufserfahrung
- Bachelor-Abschluss in Mathematik, Physik, Informatik, Ingenieurwesen, Statistik oder einem gleichwertigen Abschluss technische Disziplin.
- Mindestens fünf Jahre Erfahrung in der Softwareentwicklung mit Python und SQL.
- Mindestens drei Jahre Erfahrung in der Entwicklung und Bereitstellung maschineller Lernsysteme in der Produktion in einer Cloud-Umgebung.
- Mindestens zwei Jahre Erfahrung im Testen, Warten oder Einführen von Softwareprodukten und mindestens ein Jahr Erfahrung mit Softwaredesign und -architektur.
- Erfahrung in der Arbeit mit einer Vielzahl relationaler SQL- und NoSQL-Datenbanken sowie Big Data
Tools: Hadoop, Spark, Kafka; eine Linux-Umgebung; und mindestens eine Cloud-Anbieterlösung (AWS, GCP, Azure). - Kenntnisse über Datenpipeline- und Workflow-Management-Tools.
- Fachwissen in Standard-Software-Engineering-Methodik, z. B. Unit-Tests, Testautomatisierung, kontinuierliche Integration, Code-Reviews, Designdokumentation.
Weitere bevorzugte Qualifikationen:
- Erfahrung mit neuronalen Netzen, Deep Learning und Reinforcement Learning unter Verwendung von Frameworks wie TensorFlow.
- Erfahrung mit Natural Language Processing (NLP), Large Language Models (LLMs) und/oder Empfehlungs-Engines.
- Einschlägige Berufserfahrung mit Docker und Kubernetes.
Als Machine Learning Engineer arbeiten Sie mit Datenwissenschaftlern, Produktmanagern und Dateningenieuren zusammen, um Machine-Learning-Modelle in der Produktion zu operationalisieren und den Lebenszyklus von Algorithmen für künstliche Intelligenz zu verwalten eine Vielzahl von Domänen. Sie entwickeln und implementieren neuartige Ansätze zur Optimierung bestehender maschineller Lernsysteme, um ihren Geschäftswert zu maximieren. Arbeiten Sie 8 Stunden lang mit sogenannter Überlappung von 16:00 – 20:00 Uhr MEZ.
,[Architektur, Erstellung, Wartung und Verbesserung neuer und vorhandener Algorithmen und der zugrunde liegenden Systeme., Automatisieren Sie Pipelines für maschinelles Lernen und überwachen und optimieren Sie Lösungen für maschinelles Lernen., Implementieren Sie End-to-End-Lösungen für Batch und Real -Zeitalgorithmen zusammen mit den erforderlichen Tools für Überwachung, Protokollierung, automatisierte Tests, Leistungsoptimierung und A/B-Tests. Nutzen Sie Ihren Unternehmergeist, um neue Möglichkeiten zur Optimierung von Geschäftsprozessen, zur Verbesserung des Kundenerlebnisses und zur Prototypisierung von Lösungen zu identifizieren, um den Wert zu demonstrieren. Arbeiten Sie eng mit Datenwissenschaftlern und Analysten zusammen, um neue Produktfunktionen online und in Echtzeit zu erstellen und bereitzustellenGallen-Apps., Etablieren Sie skalierbare, effiziente, automatisierte Prozesse für Datenanalysen, Modellentwicklung, Validierung und Implementierung., Schreiben Sie effiziente und gut organisierte Software, um Produkte in einer iterativen Umgebung mit kontinuierlicher Veröffentlichung zu liefern., Tragen Sie zu guter Softwareentwicklung bei und fördern Sie diese Praktiken im gesamten Team., Teammitglieder betreuen und schulen, um Best Practices beim Schreiben und Warten von Produktionscode für maschinelles Lernen zu übernehmen., Aktiv zu Community-Best Practices beitragen und diese wiederverwenden., Produktionsprobleme überwachen, debuggen, verfolgen und lösen., Arbeiten Arbeiten Sie mit Projektmanagern zusammen, um sicherzustellen, dass Projekte pünktlich und im Rahmen des Budgets ablaufen. Arbeiten Sie mit technischen Produktmanagern zusammen, um eine ordnungsgemäße Verfolgung der algorithmischen Leistungs-KPIs sicherzustellen und Leistungsverbesserungen basierend auf Aufwand und Wirkung zu priorisieren. Erledigen Sie weitere zugewiesene Aufgaben.] Anforderungen: Python, SQL, maschinelles Lernen, NoSQL, Big Data, Hadoop, Spark, Kafka, Linux, Cloud, TensorFlow, Verarbeitung natürlicher Sprache , Sprachmodelle, Docker, Kubernetes, GCP, Azure, AWSTools: .
Zusätzlich: Sportabonnement, private Gesundheitsversorgung, flache Struktur, internationale Projekte, kleine Teams, LuxMED, Multisport, Integrationsveranstaltungen.
