Echtzeit-Web-Monitoring für einen nachhaltigen Mode-Marktplatz

Zwischen einem Forschungs-Notebook, das beweist, dass etwas funktionieren könnte, und einem System, das Millionen von Nutzern Vorhersagen liefert, steht der Machine Learning Engineer. Seine Aufgabe ist es, Modelle real werden zu lassen – zuverlässig, schnell, beobachtbar und einfach zurückzurollen, wenn etwas schiefgeht. Du wirst produktiven Python-Code schreiben, Trainingspipelines in PyTorch entwerfen, CI/CD aufsetzen, das eine Regression erkennt, bevor ein Kunde sie bemerkt, und durchdacht über Latenz-Budgets diskutieren. Studierende kommen oft aus dem Data Science-Bereich und entdecken, dass ihnen der Engineering-Teil mehr Spaß macht, als sie erwartet haben. In die Rolle hineinzuwachsen bedeutet, sich gleichermaßen um die Modellleistung und die Softwarequalität zu kümmern und Offline-Evaluationsmetriken mit derselben Ernsthaftigkeit zu behandeln wie die Genauigkeit.

Data & Analytics