Python/ Plattform-Engineer

• Practice Development & Integration

• Location Munich , Germany

Über die Rolle

Als AI/ML Platform Engineer bei Cobrainer werden Sie eine skalierbare Infrastruktur zur Unterstützung unserer KI- und maschinellen Lernprozesse entwerfen, aufbauen und warten. Sie spielen eine zentrale Rolle bei der Integration großer Sprachmodelle und Skill-Graphen in verteilte AWS-basierte Systeme und sorgen für Zuverlässigkeit, Skalierbarkeit und Effizienz. Neben der Infrastruktur tragen Sie zur Datenorchestrierung und Modellentwicklung bei und helfen dabei, die KI-Lösungen von Cobrainer zukunftssicher zu machen.

Verantwortlichkeiten

• Zerlegen Sie die Produktanforderungen in umsetzbare technische Aufgaben für Ihr Team.
• Erklären Sie den Technik-, Produkt- und Stakeholder-Teams die Dateneinschränkungen.
• Integrieren Sie KI/ML-Modelle in verteilte Cloud-Architekturen auf AWS.
• Entwerfen und implementieren Sie eine skalierbare Infrastruktur mit AWS-Diensten (Fargate, Lambda, ECS usw.).
• Entwickeln und pflegen Sie robuste Datenpipelines und Orchestrierungsprozesse.
• Verbessern Sie die automatische Bereitstellung, Protokollierung und Überwachung von Einstellungen.
• Tragen Sie zur Textanalyse und zu NLP-Modellen bei, um wichtige Geschäftsdaten zu extrahieren und zu strukturieren.

Qualifikationen

• Hochschulabschluss in Informatik, Datenwissenschaft, Statistik oder einem verwandten Fachgebiet.
• Mindestens 4 Jahre Branchenerfahrung in der Entwicklung datenzentrierter Software-Frameworks, einschließlich Infrastruktur.
• Fundierte Kenntnisse in der OOP-Softwareentwicklung.
• Kenntnisse in der Linux-basierten Softwareentwicklung.
• Erfahrung mit Container-Technologien (Docker), Versionskontrolle (GitLab/GitHub) und CI/CD-Pipelines.
• Agile Denkweise mit Erfahrung in modernen Entwicklungspraktiken.
• Sie sprechen fließend Englisch in Wort und Schrift.

Erforderliche Fertigkeiten

• Fortgeschrittene Kenntnisse in moderner Python-Entwicklung, einschließlich Datenbankmanagement und Softwaretests.
• Praktische Erfahrung in der Cloud-Native-Entwicklung auf AWS.
• Nachgewiesene Erfolgsbilanz bei der Orchestrierung umfangreicher Datenpipelines.
• Erfahrung in der Vorbereitung und Bearbeitung von Datensätzen für die Modellbewertung (strukturierte, halbstrukturierte und unstrukturierte Daten).

Bevorzugte Fertigkeiten

• Praktische Erfahrung mit den neuesten Entwicklungen großer Sprachmodelle (LLM).
• Vertrautheit mit Data Science Frameworks (NumPy, pandas, scikit-learn).
• Erfahrung mit Deep Learning Frameworks (PyTorch, TensorFlow).
• Kenntnisse in einem oder mehreren der folgenden Bereiche: Entity-Extraktion/Verknüpfung, Dokumentenklassifizierung, Wissensgraphen, Empfehlungen/Matching.
• Erfahrung mit Orchestrierung und ML-Plattformen wie Prefect, Airflow, Kubeflow, SageMaker.

• share
• 
• 
• 
•