MLOps Engineer (m/w/d)

In der Rolle des MLOps Engineers sind Sie entscheidend dafür verantwortlich, dass unsere Machine Learning-Modelle reibungslos von der Forschung in die Produktion überführt werden. Diese Modelle analysieren Fahrzeugdaten über einen bestimmten Zeitraum, um umsetzbare Erkenntnisse zu gewinnen. Zu den Beispielen gehören die Vorhersage des Reifendrucks ohne traditionelle Sensoren und die Berechnung des optimalen Winkels der Scheinwerfer, um eine optimale Sicht für den Fahrer zu gewährleisten, ohne den Gegenverkehr zu blenden. Ihre Hauptverantwortung besteht darin, eine robuste, effiziente und sichere Pipeline zu entwerfen, zu implementieren und zu warten, die den gesamten Lebenszyklus der Machine Learning-Modelle unterstützt, von der Entwicklung über die Bereitstellung bis hin zur Überwachung. Mit zunehmender Anzahl der bereitgestellten Modelle wird Ihre Expertise entscheidend sein, um Modellvergleiche zu verwalten und Leistungsstandards aufrechtzuerhalten. Sie werden skalierbare Pipelines für die Bereitstellung von Machine Learning-Modellen entwerfen und pflegen, sei es in der Cloud oder im Fahrzeug. Zudem implementieren Sie Überwachungssysteme, um die Modellleistung zu verfolgen und Probleme zu kennzeichnen. Darüber hinaus arbeiten Sie eng mit Datenwissenschaftlern, Entwicklern und Stakeholdern zusammen, um deren Bedürfnisse zu verstehen und maßgeschneiderte Lösungen anzubieten. Sie erstellen umfassende Dokumentationen für Prozesse, Pipelines und Workflows und bieten Schulungen und Anleitungen zu den besten Praktiken im MLOps-Bereich an.

Der ideale Kandidat bringt mindestens 2 Jahre Berufserfahrung in modernen DevOps-Praktiken und der Microservice-Architektur mit. Sie verfügen über Fachkenntnisse in Kubernetes und Containerisierungstechnologien sowie praktische Erfahrungen mit Plattformen wie KubeFlow, Kserve oder ähnlichen. Erfahrung in der ML-Experimentation und mit Registrierungsplattformen wie W&B oder MLFlow ist ebenfalls erforderlich. Ein Verständnis für Zeitreihenmodellierung und deren Datenanforderungen ist von Vorteil, ebenso wie Kenntnisse in ML/NN-Frameworks. Vertrautheit mit AWS oder anderen Cloud-Service-Anbietern ist wünschenswert. Sie sollten in der Lage sein, effektiv mit funktionsübergreifenden Teams, einschließlich Datenwissenschaftlern, Ingenieuren und Kunden, zusammenzuarbeiten und Ihre technischen Prozesse und Ergebnisse klar und präzise sowohl gegenüber technischen als auch nicht-technischen Zielgruppen zu kommunizieren. Fließende Englischkenntnisse in Wort und Schrift sind erforderlich, Deutschkenntnisse sind von Vorteil.