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 (Applied ML, B2B SaaS) (w/m/d)

Ihr Aufgabengebiet

• Entwicklung und Einsatz von Machine-Learning-Modellen für Prognosen und Entscheidungsfindung auf domänenspezifischen operativen Daten
• Weiterentwicklung von Scheduling- und Ressourcenoptimierung, inklusive Multi-Objective-Optimierung, Constraint-Handling und stabiler Neuplanung
• Aufbau von End-to-End-Modellen, die aus realen operativen Daten lernen und die Planungsgenauigkeit fortlaufend verbessern
• Verantwortung für den gesamten ML-Lifecycle: Datenanalyse, Feature Engineering, Modellentwicklung, Evaluation und Monitoring
• Übersetzung geschäftlicher Fragestellungen in formale Modelle und messbare Ergebnisse
• Entwicklung von Kapazitätsplanungsalgorithmen unter Berücksichtigung von Skills, Zeitpuffern, Abkühlphasen und Raumbeschränkungen
• Entwicklung intelligenten Job-zu-Talent-Matchings mit dynamischer Gewichtung laufender und neuer Projekte
• Automatisierte Projekterstellung aus strukturierten und unstrukturierten operativen Eingaben (z. B. PDFs, Freitext)

Was Sie ausmacht

• Master- oder Doktorabschluss in Informatik, Mathematik, Physik oder einem verwandten Fachgebiet
• Mehrjährige Erfahrung in Machine Learning, insbesondere mit tabellarischen Daten und Zeitreihen
• Fundierte Kenntnisse in mindestens einem Deep-Learning-Framework, vorzugsweise PyTorch
• Erfahrung mit mathematischer Optimierung und/oder Constraint Programming (z. B. OR-Tools, CP-SAT, Gurobi)
• Versierter Umgang mit Python und dem Data-Science-Ökosystem (z. B. pandas, scikit-learn)
• Erfahrung mit ML-Experiment-Tracking und Modell-Deployment (z. B. MLflow, Docker, Kubernetes)
• Selbstständige, lösungsorientierte Denkweise mit Verständnis für die zugrundeliegende Geschäftsproblematik
• Verhandlungssicheres Englisch
• Von Vorteil: Erfahrung mit LLMs oder agentenbasierten Systemen (z. B. RAG, Informationsextraktion aus unstrukturierten Daten, API-basierte Workflows)

Was diese Stelle ausmacht

• Gestaltungsfreiraum in einem jungen, technisch ambitionierten Team
• Direkter Einfluss der eigenen Arbeit auf Produkt und Kunden
• Moderner Tech-Stack und Kultur, die Experimentierfreude fördert
• Reale, praxisnahe Problemstellungen statt generischer SaaS-Themen
• End-to-End-Verantwortung für KI-Features, von der Datenexploration bis zum Produktivbetrieb