Stellenangebot

Senior Data Engineer 100% (f/m/d)

Die Stelle als Senior Data Engineer bei Julius Baer in Madrid umfasst die Entwicklung und Implementierung von maschinellen Lernalgorithmen sowie die Verwaltung von Datenpipelines und -infrastrukturen. Der Senior Data Engineer soll Erfahrung in Python, MLOps, Docker, Kubernetes und Oracle-Datenbanken mitbringen und in der Lage sein, komplexe Systeme zu entwickeln und zu verwalten.

Ausland

Julius Bär Gruppe AG

100%

Aufgaben

Unterstützung bei der Entwicklung eines Python-basierten Unternehmensdaten-Hubs (integriert mit Oracle) und Weiterentwicklung der MLOps-Infrastruktur
Entwicklung, Training und Evaluierung von Machine-Learning-Modellen (z.B. mit scikit-learn, xgboost, PyTorch) in enger Zusammenarbeit mit Data Scientists
Orchestrierung von End-to-End-ML-Workflows, einschließlich Vorverarbeitung, Training, Hyperparameter-Tuning und Modellvalidierung
Bereitstellung und Ausführung von Modellen in der Produktion unter Verwendung von containerisierten Microservices (Docker/K8s) und REST/gRPC-APIs
Verwaltung des MLOps-Lebenszyklus über Tools wie MLflow (Experiment-Tracking, Modell-Register) und Implementierung von Überwachung für Drift, Degradation und Leistung
Refaktorisierung von exploratorischem Code (z.B. Jupyter-Notebooks) in robuste, testbare und versionierte Produktionspipelines
Zusammenarbeit mit Data Engineers zur Bereitstellung und Optimierung des Daten-Hubs, um zuverlässige Datenflüsse für Training und Inferenz zu gewährleisten
Behebung von Betriebsproblemen über Infrastruktur-, Daten- und Modell-Ebenen; Teilnahme an Incident-Response und Root-Cause-Analyse

Anforderungen

Technische Kompetenz: Starke Fähigkeiten in Python, Linux, CI/CD, Docker, Kubernetes und MLOps-Tools (z.B. MLflow)
Praktische Erfahrung mit Oracle-Datenbanken, SQL und ML-Frameworks
ML-Engineering-Fähigkeit: Fähigkeit, den gesamten ML-Lebenszyklus zu besitzen – von Training und Evaluierung bis zur Bereitstellung und Überwachung – mit besonderer Aufmerksamkeit für Reproduzierbarkeit und Compliance
Automatisierung und Zuverlässigkeit: Verpflichtung zum Aufbau stabiler, selbstheilender Systeme mit proaktiver Überwachung und automatischer Wiederherstellung
Zusammenarbeit und Kommunikation: Effektiver Teamplayer in agilen, cross-funktionalen Umgebungen; in der Lage, klar über technische und nicht-technische Zielgruppen zu kommunizieren

Bildung und Fähigkeiten

Ausbildung: Bachelor of Science (BS) in Informatik, Ingenieurwesen, Data Science oder einem verwandten Feld
Zertifizierungen wie CKA, AWS/Azure DevOps Engineer oder Google Cloud Professional DevOps Engineer sind von Vorteil
Technische Fähigkeiten: Proficient in Python, Git und Shell-Skripting
Erfahrung mit CI/CD-Pipelines (GitLab, Jenkins), Docker und Kubernetes