Zum Inhalt springen
GULPOffen

Data Scientist & MLOps Engineer (w/m/d) - GraphStorm oder DGL (Deep Graph Library)

Randstad Professional · 60311 Frankfurt am Main, Deutschland · Hybrid · Senior

  • 60311 Frankfurt am Main, Deutschland · Hybrid
  • 31.12.2029
  • German

Indexiert (gestern) · laufend aktualisiert

Start
01.01.2027
Laufzeit
31.12.2029
Arbeitsmodell
Hybrid
Vertrag
Freelance / B2B
Erfahrungslevel
Senior
Referenz
C01366122

Geforderte Skills

Nice to have:Apache KafkaAWS MSKXGBoostSHAPAI Agent SystemsModel Context Protocol (MCP)LangfusePySparkDelta LakeAWS S3Azure Blob Storage

Sprachen: German

Jobbeschreibung

Project overview

Projektdetails:

Die MUSS- Kriterien, müssen zu 100% erfüllt sein.

Fähigkeiten

Muss-Kriterien

Soll-Kriterien

  • Laufzeit: 01.01.27
  • 31.12.29
  • Auslastung: 660 PT / davon 60 PT Onsite (in Frankfurt am Main)
  • Entwicklung und Betrieb skalierbarer Datenpipelines für strukturierte und unstrukturierte Daten mit Python, PySpark, Delta Lake, Parquet und polars/pandas sowie Integration von AWS S3 und Azure Blob Storage
  • Konzeption und Umsetzung von ML-Datenprozessen, inkl. Datenaufbereitung, Feature Engineering und Graphkonstruktion aus tabellarischen Daten für Graph Neural Networks (GraphStorm, DGL, PyTorch)
  • Aufbau und Weiterentwicklung von Graphdatenbanken auf Basis von Amazon Neptune und Gremlin, inkl. Datenmodellierung, Bulk-Loading großer Datenmengen und Zugriffsoptimierung
  • Konzeption, Umsetzung und Optimierung relationaler Datenbanken auf Basis von Amazon Aurora, Amazon RDS und PostgreSQL (Schema-Design, Datenintegration, Query-Optimierung)
  • Entwicklung und Betrieb automatisierter Daten- und ML-Pipelines auf AWS SageMaker, inkl. Processing- und Training-Jobs, Hyperparameteroptimierung und Model-Registry-Integration
  • Entwicklung und Integration produktiver ML-Komponenten auf Basis von Graph Neural Networks und Gradient Boosting (XGBoost), inkl. Inferenz-Endpunkten und Explainability (SHAP)
  • Entwicklung und Integration von Daten- und Inferenzschnittstellen mit AWS Lambda, API Gateway und Step Functions sowie ereignisgesteuerter Verarbeitung über Kafka/MSK
  • Automatisierung von Infrastruktur- und Entwicklungsprozessen via Infrastructure as Code (CloudFormation, Pulumi) sowie Implementierung und Pflege von CI/CD-Pipelines in GitLab für Daten- und ML-Anwendungen
  • Technische Integration KI-basierter Agentensysteme, inkl. Anbindung externer Systeme (GitLab, ITSM), Model Context Protocol (MCP) sowie Monitoring und Observability mit Langfuse
  • Entwicklung von Datenvisualisierungen und Analyse-Dashboards mit Grafana und Plotly zur Prozessüberwachung und Darstellung von Analyse- und Modellergebnissen
  • Qualitätssicherung, Performanceoptimierung und technische Dokumentation der Datenarchitekturen, Pipelines und ML-Komponenten unter Einhaltung bestehender Standards, Governance- und Compliance-Vorgaben
  • Must-have: Produktive Erfahrung mit GraphStorm oder DGL (Deep Graph Library) einschließlich Graphkonstruktion und Datenverarbeitung
  • Nachweis durch Anzahl Referenzen: 1
  • Must-have: Produktive Erfahrung mit AWS SageMaker, insbesondere Pipelines, Processing- und Training-Jobs, Model Registry und produktiven Endpoints
  • Nachweis durch Erfahrungslevel in Jahren: Intermediate (> 3 Jahre Erfahrung)
  • Must-have: Berufserfahrung im Data Engineering und/oder MLOps Engineering mit produktiv betriebenen Daten- und ML-Lösungen.
  • Nachweis durch Anzahl Referenzen: 2
  • Must-have: Praktische Erfahrung mit Infrastructure as Code unter Einsatz von AWS CloudFormation oder Pulumi
  • Must-have: Nachgewiesene Erfahrung in der Entwicklung und dem produktiven Betrieb automatisierter Datenpipelines für strukturierte und unstrukturierte Daten
  • 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-Al-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

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

Gefunden auf GULP

  1. Jobbörse

    DevOps Engineer

    Vertraulich· Deutschland· Senior

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

Alle Jobs durchsuchen
Kostenlos anmelden und bewerben