Job
- Level
- Erfahren
- Ort
- Mülheim-Kärlich
- Arbeitsmodell
- Hybrid, Onsite
- Job Feld
- Software, Data
- Anstellung
- Vollzeit
- Vertragsart
- Unbefristetes Dienstverhältnis
Job Zusammenfassung
In dieser Rolle entwickelst du ML-Systeme, implementierst End-to-End-Pipelines, optimierst Modelle für den Einsatz in der Cloud, arbeitest an der Integration sicherer Datenplattformen und unterstützt Teams bei der Modellbereitstellung.
Job Technologien
Deine Rolle im Team
- Als Machine Learning Engineer entwickeln, implementieren, testen, deployen und betreuen Sie daten- und modellzentrierte Systeme, die Machine-Learning-Funktionalitäten auf Produktivniveau bereitstellen.
- Aufbau von End-to-End-ML-Trainingspipelines (Datenerfassung, Validierung, Transformation, Training und Evaluation)
- Bereitstellung, Optimierung und Paketierung von Modellen für den produktiven Einsatz
- Unterstützung des Plattform-Teams bei der Bereitstellung von Modellen in der Cloud
- Unterstützung des AI Runtime Teams bei der Bereitstellung von Modellen auf Edge-Systemen bzw. Sortieranlagen
- Mitarbeit an daten- und modellzentrierter Forschung sowie Innovationsprojekten
- Aufbau, Integration und Wartung sicherer Datenplattformen (z. B. SQL-/NoSQL-Datenbanken, Objektspeicher, Feature Stores)
- Sicherstellung von Datensicherheit, Datenschutz und Compliance-Anforderungen
- Konzeption und Entwicklung von REST-APIs zur Bereitstellung von ML-Services und Datenplattform-Funktionen
- Entwicklung und Pflege interner Tools und webbasierter Benutzeroberflächen zur Unterstützung von ML-Workflows
- Anwendung bewährter Softwareentwicklungspraktiken für Versionskontrolle, Code Reviews und technische Dokumentation
- Entwicklung robuster und wartbarer Software einschließlich Unit-, Integrations- und Performancetests sowie Wissenstransfer
- Containerisierung von Komponenten und Implementierung von CI/CD-Pipelines
- Wartung und Fehlerbehebung von ML-Tools in Produktivumgebungen
- Enge Zusammenarbeit und Abstimmung mit internen Anwendern und Stakeholdern
- Wir erwarten ein hohes Maß an Eigenverantwortung für die betreuten Projekte, einschließlich Stakeholder-Management, Anforderungsmanagement, Projektsteuerung sowie technischer Entscheidungsfindung.
Unsere Erwartungen an dich
Qualifikationen
- Sehr gute Kenntnisse in Python
- Fundierte Expertise im Bereich Computer Vision sowie Machine-Learning- und Deep-Learning-Tooling
- Kenntnisse in TypeScript, REST-API-Entwicklung sowie modernen Frontend-Frameworks (z. B. Vue.js oder React) oder die Bereitschaft, diese zu erlernen
- Kenntnisse von Cloud- und On-Premises-Plattformen sowie deren Schnittstellen
- Kenntnisse von Modelloptimierungs-Frameworks (TensorRT, ONNX, CUDA, cuDNN) sowie im Edge-Deployment auf Hardware-Plattformen (x64, ARM/Jetson)
Erfahrung
- Mehrjährige nachweisbare Berufserfahrung in der Entwicklung und Bereitstellung produktiver Machine-Learning-Systeme mit messbarem Geschäftsnutzen
- Erfahrung mit MLOps, insbesondere Datenmodellierung, Packaging, Containerisierung und CI/CD
- Erfahrung im Bereich Data Science zur Optimierung bildverarbeitender Modelle
Unser Angebot
- Moderne Technologien und KI-basierte Systeme
- Ein praxisnahes Engineering-Umfeld mit direktem Einfluss auf die Leistung unserer Maschinen
- Enge Zusammenarbeit mit internationalen Teams
- Offene Unternehmenskultur mit flachen Hierarchien und kurzen Entscheidungswegen
- Norwegisch geprägte Unternehmenskultur mit einer offenen Du-Mentalität
- Die Möglichkeit, zukünftige Maschinenentwicklungen aktiv mitzugestalten
Themen mit denen du dich im Job beschäftigst
Job Standorte
Das ist dein Arbeitgeber
Tomra Recycling
TOMRA Recycling, ein Geschäftsbereich der TOMRA Group, fokussiert sich auf automatisierte Technologien zur Sortierung und Rückgewinnung. Mit Sitz in Mülheim-Kärlich, Deutschland, hilft das Unternehmen Kunden weltweit, Materialien effizienter zu sortieren und zu recyceln.
Description
- Unternehmenstyp
- Etablierte Firma
- Arbeitsmodell
- Hybrid, Onsite
- Branche
- Industrie, Produktion
Machine Learning Engineer
- Ort
- Mülheim-Kärlich
- Arbeitsmodell
- Hybrid, Onsite
- Diversität
- Für alle Personen geeignet (m/w/d)
