Machine-Learning-Ingenieur

Stelle nicht auf LinkedIn

🔥 vor 1 Stunde

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Maze

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2024

🔒 Cybersecurity

🏢 Unternehmen

Cybersecurity • AI • Enterprise

Maze ist ein Cybersecurity-Unternehmen, das Agentic AI einsetzt, um Schwachstellen in Cloud-Umgebungen zu verwalten und zu mindern. Durch die Automatisierung der Untersuchung und Priorisierung von Schwachstellen hilft Maze Unternehmen, kritische Schwachstellen zu identifizieren, bevor sie von Angreifern ausgenutzt werden können. Der innovative Ansatz reduziert das Backlog an Schwachstellen signifikant, fokussiert die dringendsten Sicherheitsrisiken und ermöglicht effiziente Remediation-Workflows.

Beschreibung

• Entwicklung produktionsreifer Evaluationssysteme: Entwerfen und implementieren Sie umfassende Evaluations-Frameworks, die die Leistung von Agenten messen, Verbesserungen im Zeitverlauf nachverfolgen und sicherstellen, dass unsere KI-Systeme den Kunden stetigen Mehrwert liefern. • Verantwortung für den gesamten ML-Lifecycle von Prototyp bis Produktion: Aufbau skalierbarer Systeme, die schnelle Iteration ermöglichen und gleichzeitig Zuverlässigkeit und Performance in Kundenumgebungen gewährleisten. • Förderung der teamübergreifenden ML-Integration: Enge Zusammenarbeit mit Produktteams, um ML-Funktionen nahtlos in kundenorientierte Features zu integrieren und technische Exzellenz in echten Nutzwert und Produktdifferenzierung zu übersetzen. • Optimierung der Leistung von AI-Agenten: Kontinuierliche Verbesserung unserer AI-Agenten durch systematische Experimente, Prompt-Engineering und architektonische Optimierungen; Erfolgsmessung anhand von Kundenauswirkung und Systemperformance. • Skalierung der ML-Infrastruktur: Aufbau der grundlegenden ML-Systeme, Monitoring und Tooling, die unser Wachstum vom Startup zum Scale-up unterstützen und schnelle Bereitstellung neuer Funktionen ermöglichen, ohne die Qualität zu gefährden. • Partnerschaft mit der technischen Führung: Direkte Zusammenarbeit mit unserem CTO durch regelmäßige Abstimmungen und strategische Ausrichtung, bei hoher Eigenverantwortung und Selbststeuerung in der täglichen Umsetzung. • Mentoring durch Exzellenz: Fachliche Betreuung und Mentoring für Junior-ML-Ingenieure durch Code-Reviews, technische Beratung und Weitergabe praktischer Erfahrungen beim Aufbau produktionsreifer ML-Systeme.

🎯 Anforderungen

• Nachgewiesene Erfahrung mit produktionsreifen ML-Systemen: Mindestens 6 Jahre Aufbau und Skalierung von Machine-Learning-Systemen in Produktionsumgebungen, mit praktischer Erfahrung beim Übergang von Experimenten zu kundenorientierten Deployments. • Fundierte Kenntnisse in klassischen neuronalen Netzen und Deep-Learning-Grundlagen: Solide Basis in neuronalen Netzen, bevor Spezialisierung auf moderne LLMs und Transformer-Architekturen — Sie verstehen die Grundlagen, nicht nur die aktuellen Tools. • Produktorientierte ML-Mentalität: Erfahrung im Aufbau von ML-Systemen zur Lösung realer Geschäftsprobleme, mit nachweislicher Integration von Klassifikations-, Prognose- oder Empfehlungssystemen in tatsächlich genutzte Produkte. • Perspektive aus mehreren Unternehmen: Erfahrung in mehreren Organisationen (Scale-ups, Start-ups oder Kombinationen), wodurch Sie praxisnah beurteilen können, welche Tools gebaut bzw. eingekauft werden sollten und wie Über-Engineering vermieden wird. • Technische Vielseitigkeit: Starke Python-Kenntnisse und Flexibilität bei ML-Frameworks und Tools — vertraut mit unserem Stack, einschließlich LangChain, Evaluation-Frameworks und Workflow-Orchestrierungstools wie Temporal. • Selbstgesteuerte Führung: Fähigkeit, autonom zu arbeiten und gleichzeitig enge Abstimmung mit der Führung zu halten; vertraut mit regelmäßigen Check-ins, aber in der Lage, Projekte eigenständig voranzutreiben. • Cross-funktionale Zusammenarbeit: Erfahrung in enger Zusammenarbeit mit Produktteams und ggf. Kunden, technische Fähigkeiten in messbaren Geschäftswert und Nutzererfahrungen zu übersetzen. • Von Vorteil: Erfahrung mit AI-Agenten, LLMs oder modernen generativen AI-Anwendungen. • Von Vorteil: Domänenwissen in Cybersecurity oder Erfahrung in der Anwendung von ML auf Sicherheitsherausforderungen. • Von Vorteil: Hintergrund in ML-first-Unternehmen oder Organisationen, in denen ML zentral für das Produkt war. • Von Vorteil: Erfahrung mit modernen MLOps-Praktiken und cloudbasierter ML-Infrastruktur. • Von Vorteil: Nachweisliche Erfolge bei der Optimierung von Modellleistung und der Kontrolle von Kosten für AI-Systeme.

🏖️ Vorteile

• Praxisnahe Wirkung von AI: Treiben Sie die Produktionsreife von LLMs und Machine Learning voran, um bedeutende Cybersicherheitsprobleme zu lösen – Ihre Arbeit schützt Organisationen vor realen Bedrohungen und optimiert nicht nur interne Kennzahlen. • Möglichkeit zur technischen Führung: Direkte Zusammenarbeit mit unserem CTO an hochmoderner ML-Infrastruktur bei gleichzeitig hoher Autonomie, um technische Entscheidungen zu gestalten und skalierbare Systeme zu entwickeln. • Zusammenarbeit mit Expertenteam: Werden Sie Teil eines praxisorientierten Führungsteams mit Erfahrung in Big Tech und Scale-ups, darunter Mitglieder mit Erfahrungen in mehreren Akquisitionen und einem IPO. • Aufbau einer AI-nativen Zukunft: Gestalten Sie, wie generative AI die Cybersicherheit von Grund auf verändert, und etablieren Sie ML-Praktiken sowie technische Standards, die die Branche prägen. • Vielfältige Entwicklungspfade: Klare Möglichkeiten, zum Head of ML Engineering aufzuwachsen, technischer Domain-Lead zu werden, in kundennahe technische Rollen zu wechseln oder als Senior Individual Contributor zu brillieren — je nach Ihren Interessen und unseren Bedürfnissen. • Bahnbrechende Technologie: Arbeiten Sie an der Schnittstelle von generativer AI und Cybersicherheit und entwickeln Sie Lösungen, die die neuesten Fortschritte in LLMs und AI-Agenten nutzen, um einige der dringendsten Herausforderungen für Sicherheitsteams zu lösen.