Über die Rolle
Als Machine Learning Engineer (m/f/x) arbeiten Sie an den Machine-Learning-Systemen unserer Geospatial-Analytics-Plattform. Sie tragen zur Entwicklung, zum Deployment und zur Verbesserung von produktiven ML-Modellen bei, die Satellitenbilder analysieren und Umweltrisiken im großen Maßstab erkennen. Sie collaborieren eng mit Produktmanagern, Software-Ingenieuren und Geospatial-Experten, um skalierbare ML-Lösungen für Real-World-Nachhaltigkeits- und Compliance-Anwendungsfälle zu entwickeln.
Aufgaben
- Entwicklung, Training und Verbesserung von Machine-Learning-Modellen für Geospatial- und Satellitenbildanalysen
- Beitrag zum vollständigen ML-Lebenszyklus: Experimentation, Evaluation, Deployment, Monitoring und Maintenance
- Arbeit an Produktionssystemen zur Verarbeitung großflächiger Satelliten- und Geodatensätze
- Optimierung von Modellperformance, Skalierbarkeit und Robustheit über verschiedene Geografien und Datensätze hinweg
- Aufbau und Optimierung von Data Pipelines, Tooling und Workflows für effiziente ML-Entwicklung
- Anwendung moderner Deep-Learning- und statistischer Techniken auf Remote-Sensing- und Umweltdaten
- Unterstützung schneller Experimentation bei gleichzeitiger Aufrechterhaltung der Produktionszuverlässigkeit
- Beitrag zu technischen Diskussionen, Code Reviews und Engineering Best Practices
Anforderungen
- Starker quantitativer Hintergrund in Informatik, Ingenieurwesen, Mathematik oder verwandten Feldern
- Starke Python-Programmierkenntnisse und praktische Erfahrung mit modernen Deep-Learning-Frameworks (PyTorch oder TensorFlow)
- Praktische Erfahrung mit MLOps-Tools, Cloud-Infrastruktur (AWS) und/oder High-Performance-Computing-Umgebungen
- Sicherheit bei der Entwicklung, dem Training und der Optimierung von Machine-Learning-Modellen in Produktionsumgebungen
- Klare Kommunikation und effektive Zusammenarbeit mit technischen und nicht-technischen Teams
- Erfahrung mit großen Datensätzen und verteilten Datenverarbeitungs-Workflows
- Fließend Englisch (C1+); Deutschkenntnisse sind ein Plus
- Komfortabler Umgang mit KI-gestützten Entwicklungs- und Coding-Tools
Optionale Qualifikationen
- Erfahrung mit Computer-Vision-Aufgaben (Segmentierung, Klassifizierung, Change Detection, Zeitreihenanalyse)
- Erfahrung mit Remote-Sensing- oder Satellitendaten (SAR, optisch, LIDAR)
- Vertrautheit mit Geospatial-Datenverarbeitungs-Bibliotheken und -Tools
- Erfahrung beim Deployment von ML-Systemen in Produktionsumgebungen
- Verständnis für Umwelt-, Klima- oder Nachhaltigkeits-Anwendungsfälle
Benefits
- Sinnvolle Technologie mit realer Umweltauswirkung
- Hochgradig technisches und kollaboratives Team-Umfeld
- Moderne ML-Infrastruktur und großflächige Geospatial-Datensätze
- Ownership und Wachstumsmöglichkeiten basierend auf Erfahrung und Interessen
- Flexible Arbeitsumgebung im Münchner Büro in der Nähe des Sendlinger Tor
- Wettbewerbsfähige Vergütung und Benefits