Über Delivery Hero
Als weltweit führende lokale Lieferplattform ist unsere Mission, ein erstaunliches Erlebnis schnell, einfach und direkt an die Haustür zu liefern. Wir sind in über 70 Ländern weltweit tätig, angetrieben durch Technologie und gestaltet von Menschen. Als eine der größten Tech-Plattformen Europas mit Hauptsitz in Berlin, Deutschland, ist Delivery Hero seit 2017 an der Frankfurter Wertpapierbörse notiert und Teil des MDAX-Aktienindex. Wir ermöglichen kreativen Köpfen, Lösungen zu entwickeln, die Auswirkungen in unserem Ökosystem haben. Wir bewegen uns schnell, handeln und passen uns an. Egal woher du kommst oder was du glaubst, wir bauen, wir liefern, wir führen. Wir sind Delivery Hero.
Aufgaben
- Architekturen und Lösungen für hochskalierbare Systeme entwickeln, mit Fokus auf geringe Latenz und hohe Effizienz im Produktiveinsatz
- Die Backend-Serving-Schicht von A bis Z verantworten, von Design über Implementierung bis hin zu Betrieb und Wartung
- Eng mit Data Scientists, Analysten und Data Engineers zusammenarbeiten, um deren Bedürfnisse zu verstehen und Lösungen zu entwickeln, die ihre Workflows optimieren und Machine-Learning-Modelle in die Produktion überführen
- Proaktiv neue Technologien und Architekturen vorschlagen, um neue Anwendungsfälle zu unterstützen
- Moderne Technologien und öffentliche Cloud-Infrastruktur nutzen, um hochverfügbare Systeme für mehrere Teams mithilfe von CI/CD und Infrastructure as Code zu erstellen
Anforderungen
- 4+ Jahre Berufserfahrung in der Softwareentwicklung, mit Fokus auf den Bau hochperformanter, nebenläufiger Backend-Services in Go und die Integration von Daten-/ML-Bibliotheken in Python
- Nachweis von Erfahrung im Design und der Implementierung neuer, skalierbarer Anwendungen von Grund auf (z.B. gRPC-Services, GraphQL)
- Erfahrung mit High-Throughput-Datenstreamtechnologien (z.B. Kafka, Pub/Sub)
- Expertise in technischen Evaluationen zur Bewertung von Technologien, Durchführung umfassender Vor- und Nachteils-Analysen und Vorschlagen von Lösungen für komplexe Systemdesign-Herausforderungen
- Erfahrung mit CI/CD-Pipelines und Infrastructure as Code (Terraform oder Äquivalent)
- Expertise in Containerisierung und Orchestrierungstools wie Docker und Kubernetes
- Fließende Englischkenntnisse in Wort und Schrift
Zusätzliche Qualifikationen (wünschenswert)
- Fundiertes konzeptionelles Verständnis des MLOps-Lebenszyklus, einschließlich Modellbereitstellung, Überwachung und Pipeline-Orchestrierung
- Praktische Erfahrung in ML-Engineering oder MLOps, einschließlich Tools wie Metaflow, MLflow, Argo Workflows oder Cloud Notebooks
- Erfahrung im tieferen Verständnis bestehender komplexer Systeme für Leistungsuntersuchungen und -verbesserungen