Salve.Inno ist eine 2024 gegründete Personalvermittlungs- und Beratungsgesellschaft mit Hauptsitz in Danzig, Polen. Das kleine Team unterstützt Unternehmen bei der Personalgewinnung mit maßgeschneiderten Recruiting-Strategien, globaler Suche nach Remote-Talenten, Bewerberauswahl und Karriereseiten für effektive Einstellungsprozesse. Die Gesellschaft ist in den Bereichen Beratung, Marketing und Logistik tätig und verfügt über Recruiting-Expertise für Positionen in Marketing, Forex und iGaming. Zudem unterstützt Salve.Inno Organisationen bei Kommunikation, DE&I und der Entwicklung wirksamerer Personalgewinnungsprozesse, veröffentlicht Remote-Stellenangebote und bietet Beratungsleistungen für einen globalen Talentmarkt an.
Senior Machine-Learning-Engineer:in und Leitung Applied AI & MLOps
Leite produktive KI-Lösungen und MLOps in einer internationalen Organisation. Gestalte Prognosemodelle, Governance, Deployment und skalierbare Machine-Learning-Architekturen.
Beschreibung
- Verantworte Machine-Learning-Modelle von der Entwicklung bis zur Produktionsüberwachung und zum erneuten Training.
- Leite Applied-AI-Projekte zu Customer Lifetime Value, Kundenabwanderung, Betrug und Missbrauchsprävention.
- Entwickle und verbessere MLOps-Frameworks, automatisierte Deployments, CI/CD, die Überführung zwischen Umgebungen und das Management des Modelllebenszyklus.
- Richte die Überwachung der Modellleistung, von Data Drift, Datenqualität und Geschäftsergebnissen ein.
- Lege Strategien für erneutes Modelltraining, Eskalationsverfahren und kontinuierliche Verbesserungen fest.
- Nutze SHAP und Feature Attribution, um Modelle transparenter und besser interpretierbar zu machen.
- Definiere Standards für Modell-Governance, Dokumentation, Versionskontrolle, Reproduzierbarkeit und Auditierbarkeit.
- Arbeite mit Data Engineering an skalierbaren Pipelines, Feature Engineering und einer zuverlässigen Dateninfrastruktur.
- Entwickle gemeinsam mit Produkt-, Risiko-, Vertriebsteams und weiteren Bereichen praktikable, skalierbare KI-Lösungen für geschäftliche Herausforderungen.
- Prüfe die Leistung produktiver Modelle, um Genauigkeit, Zuverlässigkeit und geschäftliche Wirkung zu verbessern.
- Sorge im Produktionsbetrieb für Stabilität, Skalierbarkeit, Wartbarkeit und operative Effizienz.
- Begleite und fördere andere Engineers.
- Bringe eine schnelle MVP-Bereitstellung mit dauerhafter Zuverlässigkeit und Skalierbarkeit im Produktionsbetrieb in Einklang.
Anforderungen
- Mindestens 5–8 Jahre Berufserfahrung im Aufbau, Deployment und Betrieb von Machine-Learning-Modellen in der Produktion.
- Fundierte Python-Kenntnisse und starke Grundlagen im Software Engineering.
- Kenntnisse in Machine-Learning-Algorithmen, Modellevaluierung, Feature Engineering und Prognosemodellierung.
- Praktische Erfahrung mit Herausforderungen produktiver ML-Systeme, etwa Data Leakage, Model Drift, Datenqualität und Modellstabilität.
- Praktische Erfahrung mit Apache Spark oder PySpark für verteiltes Rechnen und die Verarbeitung großer Datenmengen.
- Erfahrung mit MLflow oder einer vergleichbaren Plattform zur Verwaltung des Machine-Learning-Lebenszyklus.
- Erfahrung im Entwurf, in der Implementierung und Wartung von CI/CD-Pipelines, vorzugsweise mit GitHub Actions.
- Fortgeschrittene SQL-Kenntnisse und Erfahrung mit großen, komplexen Datensätzen.
- Verständnis von Model Deployment, Überwachung, Drift-Erkennung, erneutem Training und Produktionswartung.
- Erfahrung mit Methoden zur Erklärbarkeit und Interpretierbarkeit von Modellen, etwa SHAP.
- Erfahrung mit der Bereitstellung von KI-/ML-Lösungen, die messbare kommerzielle oder operative Verbesserungen erzielt haben.
- Verständnis der Anforderungen an Modell-Governance, Versionierung, Dokumentation und Reproduzierbarkeit.
- Fähigkeit, skalierbare, zuverlässige und wartbare Machine-Learning-Architekturen zu entwerfen.
- Ausgeprägtes analytisches Denkvermögen und Problemlösungskompetenz.
- Fähigkeit, komplexe technische Inhalte verständlich an nicht technische Stakeholder zu vermitteln.
- Erfahrung in der teamübergreifenden Zusammenarbeit, etwa mit Data Engineering, Produkt, Risiko und Vertrieb.
- Fähigkeit, schnelle Entwicklung und MVP-Bereitstellung mit solider Produktionsentwicklung in Einklang zu bringen.
- Führungsstärke durch Mentoring, technischen Einfluss und die Vermittlung bewährter Engineering-Praktiken.
- Proaktive, selbstständige und ergebnisorientierte Arbeitsweise bei der Umsetzung von KI-Lösungen.
Zusatzleistungen
- Wettbewerbsfähige Vergütung entsprechend Erfahrung und Qualifikation.
- Umfassende Schulungs- und Weiterbildungsangebote.
- Möglichkeit, wirkungsstarke KI- und Machine-Learning-Initiativen zu leiten.
- Einblicke in fortschrittliche Machine-Learning-Technologien und moderne MLOps-Praktiken.
- Internationales Arbeitsumfeld mit bereichsübergreifender Zusammenarbeit.
- Unternehmens-, Team- und Gruppenveranstaltungen.
- Geburtstags- und Treueleistungen.
- Möglichkeiten zur beruflichen Weiterentwicklung und technischen Führung.
- Zusätzliche Mitarbeiterleistungen und Anreize.