Ein Machine Learning Engineer bei ML6 zu sein bedeutet, dass Du dich als eine gesunde Mischung zwischen einem Machine Learning Experten, einem Data Engineer, einem Forscher und einem Hacker betrachtest!

Du wirst hauptsächlich mit TensorFlow und Python arbeiten, um schwierige Machine-Learning-Aufgaben zu lösen und dabei helfen, diese in die Produktion zu bringen. Du wirst die Art und Weise verändern, wie Unternehmen arbeiten, indem Du Datenlösungen auf der Google Cloud aufbaust. Als Premier Google Cloud Service Partner hat ML6 eine sehr enge Beziehung zu Google, die Dir Möglichkeiten bietet, mit Googlern zusammenzuarbeiten und viele ihrer neuesten ML-Tools zu testen.

Wir arbeiten in einer breiten Palette von Anwendungsbereichen, so dass Du eine gute Mischung von Aufgaben zur Auswahl hast.

‍

Deine Rolle

Mit (in) Deinem Team wirst Du:

• Effiziente Umsetzung der Geschäftsanforderungen des Kunden in technische End-to-End-Lösungen
• Verwende Python, um produktionsreife Datenpipelines und ML-Modelle in der Google Cloud bereitzustellen.
• Sei auf dem neuesten Stand der ML-Forschung und wende das gelernte an
• Hilfe bei der Konzeption, Gestaltung und Umsetzung der Datenarchitektur

Anforderungen

Minimum:

• Arbeits- oder Ausbildungserfahrung in der Softwareentwicklung
• Arbeits- oder Ausbildungserfahrung mit Machine Learning oder Künstlicher Intelligenz
• Interesse an Big Data-Technologien und dem Google Cloud-Ökosystem
• Erfahrung mit Python
• Linux
• Du hast einen Master-Abschluss oder einen Doktortitel in Informatik oder einem verwandten Fachgebiet
• Selbstständig arbeiten, deine Arbeit präsentieren und Verantwortung übernehmen können
• Fähigkeit zur fachkundigen Beratung von nicht-technischen Mitarbeitern und Kunden, ausgezeichnete mündliche und schriftliche Kommunikation in Englisch
• Offen sein für Reisen innerhalb Deutschlands zur Projektabwicklung
• Beherrschen von Deutsch

Bevorzugt:

• Versionskontrolle (Git)
• Beitrag zu Open-Source-Projekten
• Erfahrung mit dem Google Cloud-Ökosystem
• Erfahrung mit (NoSQL)-Datenbanken und Streaming- oder Batch-Datenpipelines wie: Apache Beam, MySQL, und/oder andere verwandte Systeme wie MongoDB, Cassandra, Spark, Pig, Hive, Flink, Hadoop

‍