Neue Treffer für diese Suche automatisch erhalten?
Kostenlos und jederzeit kündbar – jede Mail enthält einen Abmelde-Link. Umfang, Zeitpunkt und Schärfe deines Agenten stellst du – wie viele weitere Funktionen – in deinem Login-Bereich ein.
16 Machine Learning Engineer Jobs
Introducing Celantur Edge: Real-Time Anonymization SDK Performance Engineer for a highly scalable ML product (f/x/m) 💻 Build world-class technology to protect people's privacy…
Bachelor- oder Masterarbeit bei Fill zu Modellreduktion durch neuronale Netze für FEM-Modelle von Werkzeugmaschinen, digitale Zwillinge und mechatronische Co-Simulationen.
Wir bieten: Weiterbildung Betriebsarzt Betriebsrestaurant EAP/Psychische Gesundheit Essenszulage Firmenhandy Firmennotebook Mitarbeiterprämien Parkplatz Sportveranstaltungen Work…
requirements. We also actively encourage individuals with disabilities to submit their application. Do you have more questions?Saradha Vathana (Shar) People Engagement, Employer…
requirements across security, observability, governance, performance, and scalability. You will write and maintain the technical artifacts that accompany your engineering work —…
requirements into concrete data specifications, and iterate as experiments reveal new needs. Create evaluation datasets and benchmarks in collaboration with researchers—curating…
#top .av-special-heading.av-av_heading-35e9a91096b2f1a1942cf13bcd8e7f5d{ padding-bottom:10px; } body .av-special-heading.av-av_heading-35e9a91096b2f1a1942cf13bcd8e7f5d…
€ 3.776Klagenfurt am WörtherseeVollzeit
ElektronikTechnische Informatik & Embedded SystemsAI & Machine LearningTätigkeiten an innovativen Entwicklungsprojekten zu erweitern ein freundliches und kollegiales Arbeitsumfeld Deine Benefits Individuelle Entwicklungs- u. Aufstiegsmöglichkeiten…
Qualifications 3+ years as an AI Engineer or equivalent experience. Strong background in Software Engineering 5+ years of experience or equivalent Experience with distributed…
Qualifikationen Bachelor's degree in Computer Science, Computer Engineering, Software Engineering, or a related field; 2+ years of commercial software engineering experience in…
Profil Du begeisterst dich für KI, denkst in Prozessen und findest für jede Herausforderung eine smarte Lösung? Du entwickelst intelligente Automatisierungen rund um unsere…
Tätigkeiten DEIN PROFIL: Eine abgeschlossene Ausbildung als Reiseverkehrskauffrau bzw. Tourismuskaufmann (m/w/d) oder eine ähnliche Qualifikation im touristischen oder…
Profilvorschläge von Personaldienstleistern. Finde ähnliche Jobs Bechtle GmbH & Co.KG Bonn/Köln Senior Java Software Engineer - Data Platform (w/m/d) Sankt Augustin DE IT…
Profile Someone with a strong data/backend foundation (Python, API design) who is not afraid of the frontend. Experience or strong interest in React--specifically in how to visualize data (charts, graphs, networks). A "P …
Öffentlicher Dienst, VerbändeAufgabengebiet Du baust smarte KI-Komponenten, die datengetriebene Geschäfts- und Produktionsprozesse spürbar schneller, stabiler und effizienter machen Du konzipierst, trainierst und rollst ML-Modelle für Use Cases wie …
PersonaldienstleistungAufgabengebiet Du baust smarte KI-Komponenten, die datengetriebene Geschäfts- und Produktionsprozesse spürbar schneller, stabiler und effizienter machen Du konzipierst, trainierst und rollst ML-Modelle für Use Cases wie …
PersonaldienstleistungtecAI
Gedanken eingeben. Möglichkeiten entdecken.
Machine Learning Engineer – der Titel klingt nach Zukunft, meint aber vor allem solide Ingenieursarbeit. Sie bauen Modelle nicht nur, Sie bringen sie in den produktiven Betrieb. Datenpipelines, Feature-Engineering, das Training selbst, dann das Deployment und Monitoring – der Alltag pendelt zwischen Experiment und Wartung. Ein Modell, das im Notebook glänzt, aber unter echter Last zusammenbricht? Passiert öfter, als man denkt.
Deshalb überschneidet sich die Rolle stark mit klassischem Software Engineering. Versionierung, Tests, saubere Schnittstellen, reproduzierbare Trainingsläufe. Data Scientists formulieren häufig die Fragestellung, Sie sorgen dafür, dass aus dem Prototyp etwas Belastbares wird. In kleineren Teams verschwimmen diese Grenzen ohnehin, und Sie tragen beide Hüte gleichzeitig.
Einstieg und gefragte Qualifikationen
Der häufigste Weg führt über ein Studium der Informatik, Mathematik, Statistik oder eines technischen Fachs mit starkem Programmieranteil. Aber nicht der einzige. Manche kommen aus der Softwareentwicklung und eignen sich das ML-Handwerk berufsbegleitend an, andere über eine Promotion im Bereich maschinelles Lernen. Was zählt, ist die Verbindung aus beidem: mathematisches Verständnis und die Fähigkeit, sauberen, wartbaren Code zu schreiben.
Python ist gesetzt, ebenso Vertrautheit mit Frameworks wie PyTorch oder TensorFlow. Dazu kommen Cloud-Plattformen, Containerisierung, ein Gefühl für Datenbanken und – zunehmend wichtig – MLOps-Praktiken. Soft Skills sollten Sie nicht unterschätzen: Wer den Fachbereich versteht und Ergebnisse verständlich erklärt, ist im Vorteil.
Wo arbeitet man? Das Spektrum ist breiter, als viele vermuten. Große Industrieunternehmen, Banken und Versicherungen mit ihren Risikomodellen, Handelskonzerne, dazu eine lebendige Startup-Szene in Wien, Linz und Graz. Forschungsnahe Institute und spezialisierte Beratungen kommen hinzu. Ob Predictive Maintenance in der Produktion oder Empfehlungssysteme im Onlinehandel – die Anwendungsfelder wachsen mit den Daten, die überall anfallen.
Karrierewege gibt es zwei grundsätzliche Richtungen. Fachlich tiefer, hin zum Spezialisten für bestimmte Modellklassen oder Infrastruktur. Oder in die Breite, Richtung Team- und Projektverantwortung.
Machine Learning Engineer in Zahlen
Machine Learning Engineer – der Titel klingt nach Zukunft, meint aber vor allem solide Ingenieursarbeit. Sie bauen Modelle nicht nur, Sie bringen sie in den produktiven Betrieb. Datenpipelines, Feature-Engineering, das Training selbst, dann das Deployment und Monitoring – der Alltag pendelt zwischen Experiment und Wartung. Ein Modell, das im Notebook glänzt, aber unter echter Last zusammenbricht? Passiert öfter, als man denkt.
Deshalb überschneidet sich die Rolle stark mit klassischem Software Engineering. Versionierung, Tests, saubere Schnittstellen, reproduzierbare Trainingsläufe. Data Scientists formulieren häufig die Fragestellung, Sie sorgen dafür, dass aus dem Prototyp etwas Belastbares wird. In kleineren Teams verschwimmen diese Grenzen ohnehin, und Sie tragen beide Hüte gleichzeitig.
Einstieg und gefragte Qualifikationen
Der häufigste Weg führt über ein Studium der Informatik, Mathematik, Statistik oder eines technischen Fachs mit starkem Programmieranteil. Aber nicht der einzige. Manche kommen aus der Softwareentwicklung und eignen sich das ML-Handwerk berufsbegleitend an, andere über eine Promotion im Bereich maschinelles Lernen. Was zählt, ist die Verbindung aus beidem: mathematisches Verständnis und die Fähigkeit, sauberen, wartbaren Code zu schreiben.
Python ist gesetzt, ebenso Vertrautheit mit Frameworks wie PyTorch oder TensorFlow. Dazu kommen Cloud-Plattformen, Containerisierung, ein Gefühl für Datenbanken und – zunehmend wichtig – MLOps-Praktiken. Soft Skills sollten Sie nicht unterschätzen: Wer den Fachbereich versteht und Ergebnisse verständlich erklärt, ist im Vorteil.
Wo arbeitet man? Das Spektrum ist breiter, als viele vermuten. Große Industrieunternehmen, Banken und Versicherungen mit ihren Risikomodellen, Handelskonzerne, dazu eine lebendige Startup-Szene in Wien, Linz und Graz. Forschungsnahe Institute und spezialisierte Beratungen kommen hinzu. Ob Predictive Maintenance in der Produktion oder Empfehlungssysteme im Onlinehandel – die Anwendungsfelder wachsen mit den Daten, die überall anfallen.
Karrierewege gibt es zwei grundsätzliche Richtungen. Fachlich tiefer, hin zum Spezialisten für bestimmte Modellklassen oder Infrastruktur. Oder in die Breite, Richtung Team- und Projektverantwortung.