Zum Inhalt springen
freelancermapOffen

Data Scientist (m/w/d)

Akkodis Germany Tech Freelance GmbH · Frankfurt, Deutschland · Hybrid · MID_LEVEL

  • Frankfurt, Deutschland · Hybrid
  • 36 Monate
  • German · English

Indexiert (vor 2 Tagen) · laufend aktualisiert

Start
2027-01
Laufzeit
36 Monate
Arbeitsmodell
Hybrid
Vertrag
Freelance / B2B
Erfahrungslevel
MID_LEVEL
Referenz
3074577

Geforderte Skills

Nice to have:Event StreamingEvent-Driven Data ProcessingApache KafkaAWS MSKXGBoostExplainable AI (XAI)SHAPAI Agent SystemsModel Context Protocol (MCP)ObservabilityLangfusePySparkDelta Lake

Sprachen: German · English

Jobbeschreibung

Start: 01.01.2027

Nice to have

  • Erfahrung mit Event-Streaming und ereignisgesteuerter Datenverarbeitung unter Einsatz von Apache Kafka oder AWS MSK
  • Erfahrung mit XGBoost einschließlich Integration in produktive ML-Prozesse
  • Erfahrung mit Explainable-AI-Verfahren (SHAP) einschließlich Integration in produktive ML-Prozesse
  • Erfahrung mit KI-Agentensystemen, Model Context Protocol (MCP) sowie Integration externer Systeme und Observability (Langfuse)
  • Erfahrung mit verteilten Datenverarbeitungsframeworks (PySpark, Delta Lake) sowie Datenintegration über AWS S3 und Azure Blob Storage

Project details

01.01.2027

Ende: 31.12.2029

Umfang: 220 PT

Ort: Remote & Frankfurt am Main (30 PT onsite)

Projektsprache: Englisch

Branche: Transport & Logistics

Ein Unternehmen aus der Transportbranche entwickelt und betreibt im Rahmen der Digitalisierung innovative Machine-Learning- und KI-Lösungen. Zentrale Anwendungsfelder sind die Betrugserkennung im Online-Vertrieb sowie die Optimierung operativer Prüfprozesse. Ziel des Projekts ist die Entwicklung, Produktivsetzung und kontinuierliche Optimierung skalierbarer KI-/ML-Modelle. Schwerpunkte bilden Graph Neural Networks, Gradient-Boosting-Verfahren, automatisierte Datenverarbeitung sowie der Aufbau und Betrieb leistungsfähiger MLOps- und Cloud-Infrastrukturen auf AWS.

Die Lösungen sollen einen zuverlässigen, nachvollziehbaren und effizienten Produktivbetrieb unter Berücksichtigung bestehender Governance- und Compliance-Anforderungen gewährleisten.

Aufgabenbeschreibung:

MUSS-Anforderungen: (zwingend zu erfüllen)

  • Entwicklung und Betrieb skalierbarer Datenpipelines zur Verarbeitung strukturierter und unstrukturierter Daten unter Einsatz von Python, PySpark, Delta Lake, Parquet und polars/pandas sowie Integration von Datenquellen über AWS S3 und Azure Blob Storage.
  • Konzeption und Implementierung von Datenverarbeitungsprozessen für Machine Learning, einschließlich Datenaufbereitung, Feature Engineering und Graphkonstruktion aus tabellarischen Daten für Graph-Neural-Network-Modelle (GraphStorm, DGL, PyTorch).
  • Aufbau und Weiterentwicklung von Graphdatenbanken auf Basis von Amazon Neptune und Gremlin, einschließlich Datenmodellierung, Bulk-Loading großer Datenbestände und Optimierung von Datenzugriffen.
  • Konzeption, Implementierung und Optimierung relationaler Datenbanklösungen auf Basis von Amazon Aurora, Amazon RDS und PostgreSQL, einschließlich Schema-Design, Datenintegration und Query-Optimierung.
  • Entwicklung und Betrieb automatisierter Datenverarbeitungs- und ML-Pipelines auf AWS SageMaker, einschließlich Processing- und Training-Jobs, Hyperparameteroptimierung sowie Integration von Modellartefakten in die Model Registry.
  • Entwicklung und technische Integration produktiver ML-Komponenten auf Basis von Graph Neural Networks und Gradient Boosting (XGBoost), einschließlich Integration von Inferenz-Endpunkten und Implementierung von Explainability-Verfahren (SHAP).
  • Entwicklung und Integration von Daten- und Inferenzschnittstellen unter Einsatz von AWS Lambda, API Gateway und Step Functions sowie Implementierung ereignisgesteuerter Datenverarbeitung über Kafka/MSK.
  • Automatisierung datenbezogener Infrastruktur- und Entwicklungsprozesse mittels Infrastructure as Code (CloudFormation, Pulumi) sowie Implementierung und Pflege von CI/CD-Komponenten in GitLab für Datenpipelines und ML-Anwendungen
  • Technische Integration KI-basierter Agentensysteme, einschließlich Datenanbindung externer Systeme (GitLab, ITSM), Integration des Model Context Protocol (MCP) sowie Anbindung an Monitoring- und Observability-Lösungen mittels Langfuse.
  • Entwicklung von Datenvisualisierungen und Analyse-Dashboards auf Basis von Grafana und Plotly zur Überwachung von Datenverarbeitungsprozessen und Darstellung relevanter Analyse- und Modellergebnisse.
  • Qualitätssicherung, Performanceoptimierung und technische Dokumentation der entwickelten Datenarchitekturen, Datenpipelines und ML-Komponenten unter Berücksichtigung bestehender Entwicklungsstandards sowie Governance- und Compliance-Anforderungen.
  • Produktive Erfahrung mit GraphStorm oder DGL (Deep Graph Library) einschließlich Graphkonstruktion und Datenverarbeitung
  • Produktive Erfahrung mit AWS SageMaker, insbesondere Pipelines, Processing- und Training-Jobs, Model Registry und produktiven Endpoints Erfahrungslevel in Jahren Intermediate (> 3 Jahre Erfahrung)
  • Berufserfahrung im Data Engineering und/oder MLOps Engineering mit produktiv betriebenen Daten- und ML-Lösungen (in 2 Projekten)
  • Praktische Erfahrung mit Infrastructure as Code unter Einsatz von AWS CloudFormation oder Pulumi
  • Nachgewiesene Erfahrung in der Entwicklung und dem produktiven Betrieb automatisierter Datenpipelines für strukturierte und unstrukturierte Daten

Indexiert von der 9am-Meta-Suche. Du bist Job-Anbieter? Listing beanspruchen oder verwalten

Gefunden auf FreelancerMap DE

  1. Jobbörse

    DevOps Engineer

    Vertraulich· Deutschland· Senior

    • AWS SageMaker
    • MLOps
    • AWS Cloud Architecture
    • +9

Alle Jobs durchsuchen
Kostenlos anmelden und bewerben