Auswahl und Einführung moderner Architekturen und Tools für ML-Workflows sowie aktive Mitgestaltung des Data Science- und KI-Toolstacks * Abgeschlossenes Studium (mindestens Master, idealerweise Promotion) in Data Science, Machine Learning, Mathematik, Physik, Informatik oder einem verwandten Fachgebiet * Fundierte theoretische und praktische Kenntnisse im Bereich Machine Learning Engineering, beispielsweise: Container (Docker), Kubernetes, IaC, CI/CD, MLflow, Airflow, AWS (S3, Step Functions, Lambda, SageMaker, Bedrock, …)
mehr