Das Unternehmen ist auf Wachstumskurs und bietet eine dynamische Arbeitsumgebung, in der Daten nicht nur analysiert, sondern in Systeme verwandelt werden, die direkt die Geschäftsleistung steigern. In dieser Rolle als Machine Learning Engineer sind Sie an der Schnittstelle von Daten, Engineering und Produktentwicklung tätig und lösen reale Probleme in einem Bereich, der sowohl Schnelligkeit als auch Präzision erfordert. Sie werden Teil eines Teams, das leistungsstarke Verbraucherprodukte in der wettbewerbsintensiven Branche des mobilen Spielens entwickelt. Als einer der ersten Machine Learning Engineers im Unternehmen legen Sie den Grundstein dafür, wie maschinelles Lernen im gesamten Unternehmen aufgebaut, implementiert und skaliert wird. Ihre Aufgaben umfassen das Design, den Aufbau und die Bereitstellung von maschinellen Lernmodellen, die konkrete Geschäftsprobleme lösen. Sie übernehmen die Verantwortung für den gesamten Lebenszyklus des maschinellen Lernens, von der ersten Idee bis zur Produktion und kontinuierlichen Verbesserung. Dabei arbeiten Sie eng mit Data Scientists, Data Engineers und Produktmanagern zusammen, um Erkenntnisse in skalierbare ML-Lösungen zu übersetzen. Das Unternehmen fördert eine Kultur des Experimentierens und der Innovation, wobei der Fokus auf messbaren Auswirkungen und nicht nur auf Prozessen liegt. Wenn Sie nach einer Herausforderung suchen, bei der Sie Einfluss nehmen können, freuen wir uns auf Ihre Bewerbung.

Der ideale Kandidat bringt umfangreiche praktische Erfahrung im Bereich maschinelles Lernen, angewandte Statistik oder Datenwissenschaft mit, insbesondere in Bezug auf reale Produktionsanwendungen. Sie sollten über fundierte Programmierkenntnisse in Python verfügen und mit modernen ML-Bibliotheken wie TensorFlow oder PyTorch vertraut sein. Ein tiefes Verständnis für Datenpipelines und Infrastruktur ist ebenfalls erforderlich, einschließlich SQL, Datenlager und ETL/ELT-Workflows. Darüber hinaus sollten Sie Erfahrung in der Bereitstellung, Versionierung und Überwachung von Modellen in realen Umgebungen haben und über die Fähigkeit verfügen, geschäftliche und analytische Fragen in ML-Probleme zu übersetzen. Kommunikationsfähigkeiten sind wichtig, um ML-Konzepte klar an nicht-technische Stakeholder zu vermitteln. Eine Builder-Mentalität ist erforderlich, um in einem sich schnell bewegenden Umfeld Struktur zu schaffen und pragmatische Entscheidungen zu treffen.