Weitere Stellen suchen

Zum Klienten

Weitere Informationen zum Klienten und laufend neue Jobchancen erhalten Sie nach Ihrer Anmeldung und dem Onboarding durch Ihren Fachberater per Mail oder online. Wir freuen uns, Sie persönlich kennenzulernen!

Arbeitsort

Zürich (Distanz und Fahrzeit ab Ihrer Wohnadresse erhalten Sie nach Ihrer Anmeldung)

Jobbeschreibung

Machine Learning Engineer (w/m/d)

Ihr Aufgabengebiet

• Aufbau von PySpark-Workflows zur Erfassung, Bereinigung und Transformation grosser Mengen an Fertigungsdaten, um aus Rohsignalen strukturierte Datensätze für Training und Inferenz zu erstellen
• Optimierung von Spark-Jobs durch Anpassung von Partitionierungsstrategien, Verwaltung des Executor-Speichers, Minimierung von Shuffle-Operationen und Umgang mit unausgeglichenen Joins zur Reduktion von Laufzeit und Ressourcenverbrauch
• Design und Pflege von End-to-End-ML-Pipelines, die Feature-Berechnung, Modelltraining, Validierung und Deployment automatisieren und dabei Reproduzierbarkeit sowie Nachvollziehbarkeit sicherstellen
• Implementierung und Feinabstimmung von Machine-Learning-Modellen für Anomalieerkennung und Ursachenanalyse
• Verwaltung des Modell-Lebenszyklus in der Produktion: Versionsverwaltung, sichere Speicherung von Artefakten, Auslösen automatisierter Retrainings und Durchführung von Rollback-Verfahren bei Leistungseinbussen
• Überwachung von Pipeline-Ausführungszeiten, Datenqualitätsprüfungen und Modellmetriken (Genauigkeit, Drift, Durchsatz) sowie Aufbau von Alarmierungsregeln zur frühzeitigen Erkennung von Fehlern oder Leistungseinbussen

Was Sie ausmacht

• Bachelorabschluss oder höher in Informatik, Software Engineering, Data Science oder einem verwandten quantitativen Fachgebiet
• 3-5+ Jahre Berufserfahrung im Aufbau und der Wartung von Machine-Learning-Systemen
• Ausgeprägte Kenntnisse in PySpark und verteilter Datenverarbeitung sowie Erfahrung in der Optimierung von Jobs hinsichtlich Geschwindigkeit und Speicherverbrauch
• Praktische Erfahrung mit Python-ML-Bibliotheken (scikit-learn, TensorFlow, PyTorch oder XGBoost) für Modelltraining und -evaluierung
• Praktische Kenntnisse in MLOps-Praktiken, einschliesslich Pipeline-Orchestrierung, Modellversionierung, Experiment-Tracking und Deployment
• Erfahrung im Aufbau von Monitoring und Alarmierung für Datenpipelines und produktive Modelle
• Von Vorteil: Erfahrung mit dem Aufbau von Modellregistern, automatisierten Retraining-Triggern und Rollback-Verfahren
• Von Vorteil: Erfahrung im Schreiben automatisierter Tests und Validierungsprüfungen für Datenpipelines und Modellergebnisse
• Von Vorteil: Vertrautheit mit On-Premise- oder Private-Cloud-Infrastruktur, einschliesslich Cluster-Management und sicherer Artefaktspeicherung

Was diese Stelle ausmacht

• Kranken-, Zahn- und Sehversicherung
• Lebensversicherung und 401(k)-Arbeitgeberbeteiligung mit sofortiger Unverfallbarkeit
• Cafeteria und Fitnesseinrichtungen vor Ort
• Bezahlter Mutterschafts- und Vaterschaftsurlaub
• Bezahlte Freizeit (PTO) sowie zusätzliche persönliche und reguläre Feiertage
• Wellness-Anreize und weitere Vorteile
• Mögliche MBO-Boni basierend auf Unternehmens-, Bereichs- und individueller Leistung