Portugal
Gamdom
Anova
Senior Machine Learning Engineer
Portugal
Porto, Portugal
PythonGo
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Leisten Sie einen messbaren und missionskritischen Beitrag. Bringen Sie Ihre einzigartigen Talente und Erfahrungen in ein führendes Unternehmen für industrielle IoT (IIoT)-Lösungen ein. Machen Sie Ihre Leidenschaft zu einem lohnenden Beruf, indem Sie sich einer dynamischen und wachsenden Organisation anschließen. Sie werden eine entscheidende Rolle spielen, die Ihren Erfolg unterstützt und dazu beiträgt, sichere, effiziente und zuverlässige Abläufe in verschiedenen Branchen weltweit voranzutreiben.
Wo Sie arbeiten werden
Dies ist eine hybride Position mit Sitz in unserem Büro in Porto. In der Praxis kann der Großteil Ihrer Arbeit remote erledigt werden, mit gelegentlichen Besuchen im Büro in Porto zur Teamzusammenarbeit – eine Flexibilität, die unsere Ingenieure laut eigener Aussage sehr schätzen.
Aufgaben und Verantwortlichkeiten
Sie werden machine learning-Lösungen von Ende zu Ende verantworten – von der Problemdefinition bis zur zuverlässigen Ausführung von Modellen in der Produktion – basierend auf Echtzeit-Telemetriedaten von weltweit eingesetzten industriellen IoT-Sensoren.
Zusammenarbeit für den Erfolg
- Verantwortung für machine learning-Projekte von Ende zu Ende: Planung der Roadmap, Problemdefinition, Erstellung der Pipelines und Überführung der Lösungen in die Produktion.
- Übersetzung von Geschäftszielen in ML-Lösungen und Erklärung von Ergebnissen, Einschränkungen und Unsicherheiten für Geschäftsinteressenten in einer verständlichen Form.
- Treffen Sie die technischen Entscheidungen, leisten Sie einen wesentlichen Beitrag zur Implementierung und betreuen Sie andere Ingenieure durch Code-Reviews und Design-Diskussionen. Dies ist eine hands-on Rolle.
Erstellung von ML-gestützten Lösungen
- Lieferung von Prognose-, Klassifizierungs- und Anomalieerkennungsmodellen für Zeitreihendaten von industriellen IoT-Sensoren, die in Echtzeit von Standorten weltweit berichten.
- Arbeiten Sie mit den Realitäten von Sensordaten: Lücken, Drift, knappe Labels und eine sich ständig weiterentwickelnde Gerätepopulation.
- Betreiben Sie, was Sie entwickeln – Überwachung, Drift-Erkennung und Neuschulung – und gestalten Sie die Datenpipelines, von denen Ihre Modelle abhängen.
Entwicklung mit KI-Unterstützung
- Nutzen Sie agentenbasierte Coding-Tools – Claude Code, Copilot, Cursor und ähnliche – als normalen Bestandteil der täglichen Lieferung.
- Halten Sie KI-generierten Code am gleichen Standard wie jeden anderen Code. Sie sind für das verantwortlich, was Sie ausliefern.
- Strukturieren Sie Repositories, Tests und Dokumentationen so, dass sowohl Menschen als auch Agenten effektiv darin arbeiten können, und teilen Sie die Muster und Leitplanken, die funktionieren, damit sich die Basis des Teams verbessert.
- Wenden Sie die Anleitungen des Anova AI Handbook zu Modellrisiken und Human-in-the-Loop-Validierung auf jedes Modell an, dessen Ausgabe einen Kunden erreicht oder eine automatisierte Aktion auslöst.
Qualität fördern
- Tragen Sie zu Best Practices und Arbeitsweisen in den Bereichen Data Engineering, machine learning und MLOps bei und passen Sie diese kontinuierlich an, damit das Team qualitativ hochwertige Lösungen liefert, die echten Mehrwert für unsere Kunden schaffen.
Mindestanforderungen -
- Bachelor-Abschluss in Informatik, Data Science, Ingenieurwesen oder einem verwandten quantitativen Fachgebiet oder eine gleichwertige Kombination aus Ausbildung und Erfahrung
- 5+ Jahre Erfahrung im machine learning Engineering oder einer eng verwandten Software-Engineering-Rolle, einschließlich praktischer Produktionsbereitstellung (6–8 Jahre bevorzugt).
- Praktische Erfahrung in der Bereitstellung von produktionsreifen, Cloud-nativen machine learning-Lösungen.
- Starke Python-Kenntnisse und die damit verbundenen Engineering-Praktiken: git, Code-Reviews, Linter, Unit-Tests und CI/CD-Pipelines sind Dinge, die Sie täglich nutzen.
- Starkes Verständnis von Feature Engineering, ML-Algorithmen, Modelltraining und -bewertung.
- Solide Erfahrung mit einem modernen ML-Stack: Gradient Boosting (LightGBM, XGBoost), scikit-learn, PyTorch, MLflow und aktuelle Zeitreihen-Tools.
- Erfahrung im Betrieb von Modellen in der Produktion: Bereitstellung, Überwachung, Drift-Erkennung und Neuschulung sowie ein Gespür für die MLOps-Praktiken, die dies nachhaltig machen.
- Fließende Kenntnisse agentenbasierter Coding-Tools.
- Fließend in Wort und Schrift auf Englisch.
Bevorzugte Qualifikationen -
- Tiefgehende Kenntnisse der Azure Databricks Plattform: PySpark, MLflow, Streaming-Pipelines.
- Erfahrung in der Implementierung von agentenbasierten Workflows in der Produktion.
- Vertrautheit mit MCP (Model Context Protocol) oder ähnlichen Mustern zur Bereitstellung von Modellen als Tools, die andere Agenten direkt aufrufen können.
- Branchenerfahrung in industriellen, Energie- oder IoT-Umgebungen.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen