Das Unternehmen ist ein aufstrebender und dynamischer Anbieter im Bereich der Sofortlieferdienste für Lebensmittel und Getränke. Mit einem engagierten Team von über 20.000 Mitarbeitenden hat es sich zum Ziel gesetzt, die Branche neu zu gestalten und den Wocheneinkauf innerhalb von 120 Minuten zu liefern. In der Rolle des Machine Learning Engineers (m/w/d) mit einem starken Fokus auf Software Engineering bist du Teil eines innovativen Teams, das Machine-Learning-Produkte für die operative Kernfunktion des Unternehmens entwickelt. Deine Hauptaufgaben umfassen die Verantwortung für das Backend der Tourenplanungsschätzung sowie weiterer ML-Services, die direkt in die tägliche Steuerung der Operations eingreifen. Du arbeitest eng mit Data Scientists zusammen, um Modelle und Feature-Pipelines in die Produktion zu bringen und entwickelst die zugehörigen Data- und Training-Pipelines in Databricks. Zudem baust und pflegst du CI/CD-Pipelines in Azure DevOps, um die Stabilität und Wartbarkeit der Systeme in der Cloud-Umgebung sicherzustellen. Das Arbeitsumfeld ist geprägt von Flexibilität, innovativen Technologien und einem starken Teamgeist, der durch regelmäßige Team- und Networking-Events gefördert wird. Du hast die Möglichkeit, deine persönliche Learning Journey zu gestalten und von vielfältigen Trainings zu profitieren.

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, insbesondere mit pytest, ist erforderlich, um sinnvolle Unit- und Integrationstests in deinen Services zu gewährleisten. Des Weiteren solltest du Kenntnisse in Cloud-Umgebungen und CI/CD-Prozessen mitbringen. Ein gutes Verständnis grundlegender ML-Konzepte, wie Trainings- und Inference-Pfade, Features, Retraining und Evaluation, ist notwendig, um die Modelle und Pipelines der Data Scientists zu verstehen und produktionsreif zu machen. Du solltest zudem in der Lage sein, technische Themen adressatengerecht zu erklären und dich in einem deutschsprachigen Umfeld wohlfühlen. Englischkenntnisse im technischen Kontext sind ebenfalls erforderlich.