Tech stack
Automation of Tests
Cloud Computing
Continuous Integration
Python
Machine Learning
Software Engineering
Pytest
Integration Tests
Machine Learning Operations
Requirements
Der ideale Kandidat bringt Erfahrung im professionellen Software Engineering mit und hat bereits selbstständig an produktiven Services oder Komponenten mitgewirkt. Du solltest über fundierte Kenntnisse in Python im Produktionskontext verfügen und in der Lage sein, strukturierten, gut wartbaren und testbaren Code zu schreiben. Erfahrung mit automatisierten Tests, wie beispielsweise pytest, ist ebenfalls erforderlich, um sinnvoll aufgesetzte Unit- und Integrationstests in deinen Services zu gewährleisten. Ein solides Verständnis grundlegender ML-Konzepte ist wichtig, um die Modelle und Pipelines der Data Scientists zu verstehen und produktionsreif zu machen. Zudem solltest du Erfahrung mit Cloud-Umgebungen und CI/CD mitbringen. Kommunikationsstärke ist entscheidend, da du technische Themen adressatengerecht erklären musst. Du fühlst dich in einem deutschsprachigen Umfeld wohl und nutzt Englisch sicher im technischen Kontext. Persönliche Eigenschaften wie Teamfähigkeit, analytisches Denken und
eine proaktive Arbeitsweise runden dein Profil ab.
Benefits & conditions
Hybrid
Vollzeit
Mid-Level
vor 17 Stunden
53.000 € - 74.000 € / Jahr
About the company
Das Unternehmen ist ein aufstrebender Anbieter im Bereich der Sofortlieferdienste für Getränke und Lebensmittel. Mit einem dynamischen Team von über 20.000 Mitarbeitenden wird eine innovative Branche neu gestaltet. In der Rolle des Machine Learning Engineers (m/w/d) mit einem starken Fokus auf MLOps und Software Engineering bist du Teil eines engagierten Teams, das Machine-Learning-Produkte für die zentrale Tourenplanung entwickelt. Deine Hauptaufgaben umfassen die Verantwortung für das Backend der Tourenplanungsschätzer sowie weiterer ML-Services, die direkt in die tägliche Operations-Steuerung integriert sind. Du arbeitest an der Stabilität und Wartbarkeit der Backend-Services und übernimmst Verantwortung für die Code-Qualität innerhalb der ML-Repositories. Zudem bist du eng mit Data Scientists verbunden und sorgst dafür, dass Modelle und Feature-Pipelines zuverlässig in Produktion gehen. Die Entwicklung und der Betrieb der zugehörigen Data- und Training-Pipelines in Databricks gehören
ebenfalls zu deinem Aufgabenbereich. Du baust und pflegst CI/CD-Pipelines in Azure DevOps, inklusive automatisierter Tests und Deployments. Ein weiterer wichtiger Aspekt deiner Rolle ist die Analyse von Störungen im Produktivbetrieb und die Ableitung nachhaltiger Verbesserungen für Code und Prozesse. Das Unternehmen bietet dir ein flexibles Arbeitsumfeld, in dem du deinen Arbeitstag nach deinen Vorstellungen gestalten kannst, sowie zahlreiche Benefits zur Förderung deiner persönlichen und beruflichen Entwicklung.
