Description

In dieser Rolle als AWS AI Engineer arbeitest du an der Entwicklung und Implementierung innovativer Machine-Learning-Lösungen. Dein Alltag umfasst die Optimierung von ML-Modellen, die enge Zusammenarbeit mit Kunden und das Mentoring von Junior Engineers, um die KI-Transformation voranzutreiben.

Requirements

• •Mindestens 3 Jahre Erfahrung in Machine Learning Engineering, AI-Entwicklung und Deployment von ML-Modellen in produktiven Umgebungen
• •Solide AWS AI/ML Services Kenntnisse (SageMaker, Bedrock, Comprehend, Rekognition, Textract) und deren Integration in Geschäftsanwendungen
• •Programmier-Expertise in Python mit umfassender Erfahrung in ML-Frameworks (TensorFlow, PyTorch, scikit-learn, Hugging Face)
• •MLOps und DevOps Kenntnisse für automatisierte ML-Pipelines, Model Versioning und Container-basierte Deployments
• •Solide Mathematik- und Statistik-Grundlagen für das Verständnis von ML-Algorithmen und Model Evaluation
• •Ausgezeichnete Problemlösungsfähigkeiten und die Fähigkeit, komplexe Business-Probleme in AI-Lösungen zu übersetzen
• •Fließende Deutsch- und Englischkenntnisse für internationale AI-Projekte und globale Zusammenarbeit
• •AWS AI/ML Zertifizierungen (Machine Learning Specialty, Data Analytics) oder vergleichbare Industry-Zertifikationen
• •GenAI und LLM Expertise mit praktischer Erfahrung in Prompt Engineering, Fine-tuning und RAG-Implementierung
• •Deep Learning Spezialisierung in Computer Vision, NLP oder Reinforcement Learning mit nachweisbaren Projekterfolgen
• •Cloud-native AI Architecture Erfahrung mit Serverless ML, Edge AI und Multi-Cloud AI-Deployments
• •Responsible AI Kenntnisse in Bias Detection, Explainable AI und AI Ethics für regulierte Branchen
• •Research Background mit wissenschaftlichen Publikationen, Patents oder Beiträgen zu Open-Source ML-Projekten
• •Industry-spezifische AI-Erfahrung in Bereichen wie Healthcare AI, FinTech ML oder Industrial IoT Analytics
• •Thought Leadership durch AI Conference Presentations, Technical Blogging oder Community Contributions

Tasks

• •End-to-End ML-Plattformen konzipieren und implementieren
• •Large Language Model-Anwendungen mit Amazon Bedrock entwickeln
• •Custom Machine Learning-Modelle für Computer Vision, NLP und Predictive Analytics entwickeln
• •KI-Services in bestehende Geschäftsanwendungen integrieren
• •Automatisierte ML-Pipelines mit CI/CD aufbauen
• •Hochperformante ML-Inference-Systeme implementieren
• •Eng mit Data Scientists bei der Productionisierung von ML-Modellen zusammenarbeiten
• •Kunden bei AI-Adoption-Strategien beraten

Tools & Technologies

Benefits