Duties: We’re using technologies like Python, Terraform, Kubernetes, Docker & Pub/Sub to run event-based analytics pipelines, processing new data points every day on the Google Cloud Platform; We have developed an ML Ops stack allowing us to seamlessly deploy our models into a production environment; We’re rolling out new features through fully automated CI/CD pipelines including code reviews & automated tests; We take responsibility for the full DevOps cycle, but thanks to managed cloud services & automation, we spend most of our time working on new features & architecture optimisations, rather than responding to ops issues
Requirements: completed degree in computer science or a related subject; at least four years of experience in data engineering (setting up and operating data pipelines in big data/analytics environments); at least two years of experience with one or more of the major cloud providers (GCP/Azure/AWS); experience in software development with Python, knowledge of tools such as VS Code, PyCharm, git, Jupyter, pip, conda, CLI

Duties: Konzeption, Unterstützung und Steuerung von Projekten im Bereich Analytics, Machine Learning und künstliche Intelligenz; Umsetzung von datenbasierten "Proof-of-Concept" oder MVP-Systemen mit Fokus auf den Mehrwert für das Geschäft des Kunden; Konzeption, Design, Implementierung und Optimierung von prädiktiven statistischen Modellen, Analytics Applikationen und ML/AI Systemen sowie deren Integration in die Backend Systeme (u.a. mit Technologien für Text- und Bildverständnis, sowie Wissensrepräsentation)
Requirements: Abgeschlossene Ausbildung/abgeschlossenes Studium und einschlägige Berufserfahrung im Bereich Data Science/IT; Sicherer Umgang mit gängigen Data Science Tools in Python, praktische Erfahrung & Zertifizierung in mindestens einer Cloudtechnologie (AWS, Azure oder GCP); Sehr gute Kenntnisse in ML-/KI-Methoden (Probabilistische Ansätze, Kernel Methoden, Neuronale Netze & Deep Learning, Computer Vision, NLP & Large-scale Language Models, Generative AI, etc) sowie deren Containerisierung; Erfahrungen als Projektleiter: in oder Entwickler: in (Frontend, Backend oder Fullstack) in Data Science- & Big Data-Projekten; Ausgeprägte Beratungskompetenzen, Flexibilität sowie Kommunikationsfähigkeiten auf allen Ebenen; Fliessende Deutsch- und Englischkenntnisse