ML Ops Engineer

Eckdaten

Berlin

Data Science & Analyse

Arbeitsmodell

Hybrid

vor 2 Wochen

Stellenbeschreibung

Wer wir sind

Zeta Global (NYSE: ZETA) ist die KI-gestützte Marketing-Cloud, die fortschrittliche künstliche Intelligenz (KI) und Billionen von Verbrauchersignalen nutzt, um es Vermarktern zu erleichtern, Kunden effizienter zu gewinnen, zu binden und zu entwickeln. Mit der Zeta Marketing Platform (ZMP) ist es unsere Vision, komplexes Marketing zu vereinfachen, indem wir Identität, Intelligenz und Omnichannel-Aktivierung in einer einzigen Plattform vereinen – angetrieben von einer der größten proprietären Datenbanken und KI der Branche. Unsere Unternehmenskunden aus verschiedenen Branchen werden befähigt, Erlebnisse mit Verbrauchern auf individueller Ebene über jeden Kanal zu personalisieren und so bessere Ergebnisse für Marketingprogramme zu erzielen. Zeta wurde 2007 von David A. Steinberg und John Sculley gegründet und hat seinen Hauptsitz in New York City mit Niederlassungen auf der ganzen Welt. Weitere Informationen finden Sie unter www.zetaglobal.com.

Die Rolle

Wir suchen einen erfahrenen ML Engineer / Data Scientist mit 3 Jahren Erfahrung in Software oder angewandtem ML, um Machine-Learning-Lösungen in einer dynamischen Cloud-Umgebung, primär auf AWS, zu entwerfen, zu bauen und zu verbessern. Diese Rolle liegt an der Schnittstelle von Data Science und Engineering: Daten erkunden, Modelle entwickeln, rigorose Experimente durchführen und die besten Ansätze mit einem zuverlässigen, reproduzierbaren Workflow in die Produktion bringen. Wenn Sie über ausgeprägte Python-Kenntnisse verfügen, Neugier für komplexe Modellierungsprobleme mitbringen und gerne in multikulturellen Teams arbeiten, ist dies Ihre Chance für sinnvolle, durchgängige ML-Arbeit – nicht nur Notebooks, nicht nur Infrastruktur.

Wer Sie sind

Fundierte Grundlagen in Machine Learning, Statistik und Versuchsplanung.
Erfahrung in der Erstellung von Modellen für reale Geschäfts- oder Produktprobleme, nicht nur für akademische Benchmarks.
Sicher im Umgang mit strukturierten und unstrukturierte Daten: Feature Engineering, Datensatzkonstruktion, Labeling-Qualität, Leakage-Checks und Train/Validation/Test-Disziplin.
Fähigkeit, Ansätze mit klaren Metriken, Fehleranalysen und fundiertem Urteilsvermögen bezüglich der Kompromisse (Genauigkeit, Latenz, Kosten, Wartbarkeit) zu vergleichen.
Interesse an modernem ML, einschließlich klassischem ML, Deep Learning und LLM / GenAI-Workflows (Fine-Tuning, RAG, Evaluation, Prompt/Versioning).
Sicher in Python und in der Lage, sauberen, modularen und testbaren Code zu schreiben.
Erfahrung in der Entwicklung und Bereitstellung von ML-Lösungen in einer Cloud-Umgebung, insbesondere AWS.
Sicher im Übergang vom Prototyp zur Produktion: Verpacken von Modellen, Aufbau von Inferenzpfaden, Überwachung der Leistung und Iteration nach dem Start.
Selbstständiger Ingenieur, der die Arbeit von der Problemstellung → Experimentierung → Implementierung → Rollout verantworten kann.
Exzellentes schriftliches und mündliches Englisch.
Freude an der engen Zusammenarbeit mit Ingenieuren, Produktpartnern und anderen Data Scientists.
Klarer Kommunikator, der Methoden, Ergebnisse und Einschränkungen gegenüber technischen und nicht-technischen Zielgruppen erklären kann.
Master-Abschluss in Naturwissenschaften oder Ingenieurwesen (Informatik, Mathematik, Physik, Statistik oder ähnlich) oder gleichwertige praktische Erfahrung.

Wünschenswert

Erfahrung mit scikit-learn, PyTorch, TensorFlow, XGBoost oder ähnlichen Modellierungs-Stacks.
Vertrautheit mit ML-Experiment-Tracking und Reproduzierbarkeit (z. B. MLflow, W&B).
Erfahrung mit SQL, Data Warehouses/Lakes und Pipeline-Tools wie Airflow, dbt oder Spark.
Erfahrung mit Feature Stores, Embedding-Pipelines oder Vektorsuche für abrufbasierte Systeme.
Erfahrung im Aufbau von HTTP/gRPC-APIs oder leichtgewichtigen Diensten rund um die Modellinferenz.
Praktische Kenntnisse in Docker, grundlegender Orchestrierung und CI/CD (z. B. GitLab CI).
Erfahrung in agilen, Remote- und Async-Teamumgebungen.
Publikationen, Patente, Kaggle/Wettbewerbsergebnisse oder Open-Source-ML-Beiträge.

Was Sie an dieser Rolle schätzen könnten

Praktische Modellierungsarbeit mit Raum zum Erkunden, Benchmarking und Verbessern realer Systeme.
Zusammenarbeit bei ML-Patentanmeldungen und Teilnahme an wöchentlichen Treffen zur Überprüfung von ML-/Forschungsarbeiten.
Ein multikulturelles, auf Engineering fokussiertes Team mit starker gegenseitiger Unterstützung.
Hohes Vertrauen und Autonomie – klare Ziele, Freiheit bei der Erreichung.
Interner Produkt-Impact: Sinnvolle Projekte, die die Entwickler- und Nutzererfahrung verbessern, keine endlosen Wartungstickets.
Kurze Genehmigungszyklen und solide Produktpartnerschaft.
Eine gesunde Meeting-Kultur und Fokus auf den Schutz von Arbeitszeit.
Flexible Arbeitszeiten, Remote-/Home-Office-Optionen und ein ruhiges Büro nur für Ingenieure bei Präsenz.
Wettbewerbsfähige Vergütung, einschließlich Aktienoptionen.

Wir stellen auf mehreren Ebenen ein. Titel, Umfang und Vergütung hängen von der Erfahrung ab – von starken angewandten ML-Generalisten bis hin zu erfahrenen Personen, die die Modellierungsrichtung vorgeben und andere mentoren können.

Wir sind besonders an Kandidaten interessiert, die technisch stark, intellektuell neugierig und motiviert durch schwierige, mehrdeutige Probleme sind, bei denen sowohl gute Data Science als auch solides Engineering wichtig sind.

Menschen & Kultur bei Zeta

Zeta berücksichtigt Bewerber für eine Anstellung ohne Ansehen des Geschlechts, der Rasse, der Hautfarbe, der Religion, des Alters, einer Behinderung, des Veteranenstatus oder der nationalen oder ethnischen Herkunft; Zeta diskriminiert auch nicht aufgrund der sexuellen Orientierung, der Geschlechtsidentität oder des Geschlechtsausdrucks.

Wir engagieren uns für den Aufbau einer Arbeitsplatzkultur des Vertrauens und der Zugehörigkeit, damit sich jeder eingeladen fühlt, sein ganzes Selbst bei der Arbeit einzubringen. Wir bieten ein Forum für Mitarbeiter, um einander zu feiern, zu unterstützen und sich für einander einzusetzen. Erfahren Sie mehr über unser Engagement für Vielfalt, Gerechtigkeit und Inklusion hier: https://zetaglobal.com/blog/a-look-into-zetas-ergs/