Leitender ML-Ops-Ingenieur

KAYAK, Teil von Booking Holdings (NASDAQ: BKNG), ist eine führende Reisesuchmaschine. Mit Milliarden von Anfragen auf unseren Plattformen helfen wir Menschen, ihren perfekten Flug, Aufenthalt, Mietwagen und Urlaubspaket zu finden. Außerdem transformieren wir Geschäftsreisen mit einer neuen Geschäftsreiselösung: KAYAK for Business.
Als Mitarbeiter von KAYAK sind Sie Teil eines Reiseunternehmens, das ein Portfolio globaler Metasuchmarken betreibt, darunter unter anderem Momondo, Cheapflights und HotelsCombined. Vom Start-up bis zum Branchenführer liegt Innovation in unserer DNA und jeder Mitarbeiter hat die Möglichkeit, sich einen Namen zu machen. Unser Fokus liegt auf dem Aufbau der besten Reisesuchmaschine, um es jedem einfacher zu machen, die Welt zu erleben.
Jedes von KAYAK ausgelieferte Modell für maschinelles Lernen ist auf eine zuverlässige, skalierbare Infrastruktur angewiesen, um vom Experiment zur Produktion zu gelangen – und genau das macht diese Rolle möglich. KAYAK sucht einen leitenden MLOps-Ingenieur, der sich auf das Design und die Implementierung unserer Infrastruktur für maschinelles Lernen und unseres Produktionslebenszyklus konzentriert. Dies ist eine leitende, praxisorientierte Rolle, in der Sie die Lücke zwischen Datenwissenschaft und Produktionstechnik schließen.
Sie werden dem Team der Machine Learning Platform beitreten und für den Aufbau und die Wartung einer skalierbaren Infrastruktur und automatisierten Pipelines für Modellschulung, -bereitstellung und -überwachung verantwortlich sein, um sicherzustellen, dass unsere ML-Modelle zuverlässig, reproduzierbar und leistungsfähig sind. Sie arbeiten eng mit Data Scientists, ML-Engineering- und Operations-Teams zusammen, um experimentellen Code in robuste, produktionsreife Dienste im großen Maßstab umzuwandeln.
Für diese Stelle müssen Sie dreimal pro Woche zum Berliner Büro pendeln.

In dieser Rolle werden Sie:

• Erstellen und pflegen Sie eine durchgängige ML-Infrastruktur: Erweitern und betreiben Sie die Infrastruktur, die jedem von uns gelieferten Modell zugrunde liegt – einschließlich CI/CD-Pipelines, Modellorchestrierung und automatisierten Trainingspipelines, die für eine zuverlässige Skalierung ohne manuelle Eingriffe ausgelegt sind.

• Eigene Modellbereitstellung und -bereitstellung: Helfen Sie bei der Definition und Weiterentwicklung der Standards und Tools für die Modellbereitstellung und stellen Sie so eine geringe Latenz und hohe Verfügbarkeit für alle unsere ML-Dienste sicher.

• Kernfunktionen von MLOps entwickeln: Aufbau und Wartung einer wesentlichen Infrastruktur, die als zuverlässige Self-Service-Systeme für die gesamte Organisation für maschinelles Lernen fungiert – mit Schwerpunkt auf Feature Stores, Modellregistern und automatisierter Überwachung von Leistung und Datendrift.

• Operationalisieren Sie die Infrastruktur für das ML-Team: Arbeiten Sie mit Operations zusammen, um die automatische Skalierung von Kubernetes (k8s) und die GPU-Bereitstellung zu ermöglichen und diese in zugängliche Self-Service-Tools für ML-Praktiker umzuwandeln – einschließlich der Einrichtung und des Betriebs eines Kubernetes-basierten Entwicklungsclusters und der Überführung von Modellen aus dem Experiment in die GPU-gestützte Produktion.

• Verbessern Sie die Zuverlässigkeit und Leistung der Plattform: Arbeiten Sie mit Operations zusammen, um eine robuste Überwachung mithilfe fortschrittlicher Observability-Tools zu entwickeln. Definieren Sie Service-Level-Ziele und implementieren Sie Automatisierung, um manuelle Eingriffe zu reduzieren und die Systemzuverlässigkeit zu verbessern.

• Stärken Sie Datenwissenschaftler durch standardisierte, optimierte Arbeitsabläufe: Verstärken Sie die Wirkung des ML-Teams, indem Sie klare, gut unterstützte „goldene Pfade“ entwickeln – standardisierte Arbeitsabläufe, die den Lebenszyklus der Modellentwicklung rationalisieren und es Datenwissenschaftlern ermöglichen, sich auf die Modellierung zu konzentrieren, während Sie sich um die Infrastruktur kümmern.

Bitte bewerben Sie sich, wenn Sie:

• Erfahrung im Aufbau und Betrieb von ML-Plattformen in Produktionsumgebungen.

• Solide Kenntnisse in Containerisierung und Orchestrierung (Docker, Kubernetes), Linux-Interna und Modellbereitstellung im großen Maßstab.

• Vertrautheit mit ML-Lebenszyklus-Tools, einschließlich Orchestrierungs-Frameworks, Feature Stores, Modellregistern und Drift- oder Leistungsüberwachung.

• Erfahrung im Besitz von Produktionssystemen: Definition von Service-Level-Zielen (SLOs), Aufbau von Beobachtbarkeit (z. B. mithilfe von Tools wie Prometheus, Grafana oder Datadog), Teilnahme an der Reaktion auf Vorfälle und systematische Diagnose umfangreicher Ausfälle. Sie suchen nach Möglichkeiten, sich wiederholende Arbeiten zu automatisieren, anstatt sie zu absorbieren.

• Komfort beim Schreiben von Code in Produktionsqualität in Python oder einer vergleichbaren Sprache.

• Erleben Sie die Modernisierung der Produktionsinfrastruktur unter Berücksichtigung von Zuverlässigkeit, Risiko und Kosten – einschließlich einer durchdachten Arbeitsabfolge, um die Verfügbarkeit und Kontinuität für Live-Systeme aufrechtzuerhalten.

• Die Fähigkeit, Verantwortung für technische Ergebnisse zu übernehmen, sich für Entscheidungen auf der Grundlage von Daten einzusetzen und klar schriftlich und persönlich zu kommunizieren – sowohl gegenüber technischen als auch nichttechnischen Zielgruppen.

Vorteile und Vorteile

• Arbeiten Sie bis zu 20 Tage pro Jahr von (fast) überall aus

• Fokus auf psychische Gesundheit und Wohlbefinden:

• Vom Unternehmen bezahlte Therapiesitzungen über SpringHealth

• Vom Unternehmen bezahltes Abonnement für HeadSpace

• Eine unternehmensweite Woche im Jahr – das gesamte Team tankt neue Energie (und kehrt ohne Arbeitsstau zurück!)

• Keine Besprechung freitags

• Bezahlter Elternurlaub

• Bezahlte ehrenamtliche Zeit

• Konzentrieren Sie sich auf Ihre Karriereentwicklung:

• Entwicklungsdollar

• Führungskräfteentwicklung

• Zugriff auf Tausende von On-Demand-E-Learning-Kursen

• Reiserabatte

• Mitarbeiterressourcengruppen

• 6 Wochen bezahlter Urlaub + ein freier Tag zum Geburtstag

• Kostenloses Mittagessen an 2 Tagen pro Woche

• Beiträge zur Altersvorsorge

• Subventionen für den öffentlichen Nahverkehr

• Fahrradleasingprogramm

• Monatliche gesellschaftliche Veranstaltungen, donnerstags Happy Hour, Sportmannschaften

• Ein tolles Büro in Friedrichshain, Berlin

Inklusion
Bei KAYAK möchten wir, dass jeder den Raum hat, zu wachsen, Ideen auszutauschen und großartige Arbeit zu leisten. Aus diesem Grund konzentrieren wir uns darauf, die besten Talente aus allen Lebensbereichen und mit allen Erfahrungen einzustellen, sie gut zu unterstützen und sicherzustellen, dass niemand das Gefühl hat, in eine bestimmte Schublade passen zu müssen, um hierher zu gehören.
Benötigen Sie Anpassungen für das Vorstellungsgespräch, die Bewerbung oder den Job? Kein Problem – geben Sie uns einfach Bescheid. Wir haben Sie.
#LI-AS1
Finden Sie Jobs in Deutschland auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.com/jobs/companies/kayak/senior-ml-ops-engineer-berlin-334667)