Das Data Science-Team treibt unmittelbar die digitale Transformation im Unternehmen voran. In meiner Rolle verantworte ich die Entwicklung und den sicheren Betrieb von KI basierten Lösungen. Meine Aufgaben Entwicklung und Wartung von Anwendungen: Schreibe sauberen, effizienten und skalierbaren Python-Code zur Unterstützung von maschinellen Lernlösungen und Anwendungen. Service Management: Überwache die Bereitstellung, Überwachung und Wartung von ML- Modellen in Produktionsumgebungen, einschließlich im Bereitschaftsdienst (247). Datenverarbeitung: Vorbereiten, Bereinigen und Transformieren von Daten für die Verwendung in maschinellen Lernmodellen, um qualitativ hochwertige Datensätze sicherzustellen. Zusammenarbeit: Zusammenarbeit mit Data Scientists, ML Engineers und Data Engineers, um Anforderungen zu verstehen, Lösungen umzusetzen und eine reibungslose Integration sicherzustellen. Dokumentation: Pflege einer klaren und umfassenden Dokumentation des Codes, der Prozesse und Modelle für zukünftige Entwicklungen. Aktives Mitglied des Data Chapter: Teilen der Ergebnisse innerhalb der Chapters, Product- Cluster und ggf. Meine Kompetenzen Erfahrung: 5 Jahre in einer verwandten Funktion im Bereich Data Science / Engineering, Programmierkenntnisse: Ausgeprägte Kenntnisse in Python und seinen Bibliotheken/Frameworks wie NumPy, Pandas, Scikit-learn, TensorFlow, PyTorch und Flask/FastAPI, Expertise im Bereich des maschinellen Lernens: Praktische Erfahrung mit ML -Algorithmen, Datenvorverarbeitung, Feature-Engineering und Modellbewertungstechniken, Operative Fähigkeiten: Kenntnisse von Monitoring-Tools für ML-Dienste (z. B. Prometheus, Grafana usw.), Problemlösung: Ausgeprägte Fähigkeiten im Bereich Debugging und Fehlerbehebung zur Behebung von Problemen in Produktionssystemen, Datenverarbeitung: Erfahrung in der Arbeit mit großen Datensätzen und Datenbanken (z. B. SQL, MongoDB oder ähnliches), Versionskontrolle: Vertrautheit mit Git und kollaborativen Entwicklungsworkflows, Cloud-Plattformen: Erfahrung mit Cloud-Diensten (z. B. AWS SageMaker, Google Cloud AI oder Azure ML) ist von Vorteil, Kommunikationsfähigkeiten: Fähigkeit, technische Konzepte sowohl technischen als auch nicht - technischen Stakeholdern zu erklären. Flexikompass - so flexibel ist diese Stelle Arbeitszeit: 37 Wochenstunden (Vollzeit), Flexible Arbeitszeiten mit Langzeitkonto zur Unterstützung Ihrer Work-Life-Balance, Die Zahl der Gleittage ist nicht begrenzt, Keine Kernarbeitszeit, Mobiles Arbeiten (auch von zuhause) möglich.