Was machen eigentlich Machine Learning Engineer*innen? Eine ausführliche Stellenbeschreibung.

Personalisierte Werbeanzeigen, Sprachassistenten, Streaming oder auch CT-Scans zur medizinischen Frühdiagnostik: Maschinelles Lernen (ML) ist aus unserem Alltag nicht mehr wegzudenken. Und das ist erst der Anfang. ML ist einer der wichtigsten Trends in der Digitalisierung und Treiber von zukünftigem Wachstum. Doch was genau ist ML eigentlich und was gehört alles zu der Stellenbeschreibung von ML Ingenieur*innen?



Machine Learning schnell erklärt  

💥​​Machine Learning (deutsch: maschinelles Lernen) ist ein Teilgebiet der künstlichen Intelligenz (KI), das eine zunehmend wichtigere Rolle spielt. Beim Machine Learning werden Algorithmen darauf trainiert, automatisch Muster sowie Zusammenhänge aus vorhandenen Datenmengen zu erkennen. Dabei verbessern sie sich kontinuierlich und sind zudem in der Lage, aus den Mustern eigenständig Probleme zu lösen.

Damit ML-Systeme fehlerfrei funktionieren und immer effizienter werden, ist eine reibungs-lose Zusammenarbeit zwischen den Fachbereichen ML Engineering und Data Science wichtig. Beide Bereiche gehen im Idealfall fließend ineinander über, wenn beide Hand in Hand arbeiten, um so ihr Wissen aus beiden Gebieten optimal zusammenzuführen. Sie bündeln ihr Wissen und werden so effizienter. Das macht eine Abgrenzung der Disziplinen nicht leicht. Zumal in der Praxis die Einsatzbereiche durchaus variieren können. Wichtig jedoch: Als ML Engineer*in solltest du Lust auf Teamarbeit und Lust auf den beständigen kommunikativen Austausch. 



Welche Aufgaben haben ML Engineer*innen?

Die Stellenbeschreibung umfasst Themen aus den beiden angrenzenden Berufsfelder: Data Science und Software Engineering. Dabei ist es in erster Linie die Aufgabe von Machine Learning Engineer*innen, die von den Data Scientist*innen entwickelten Prototypen zur Marktreife zu führen, sprich ihn in Produktion zu bringen. Der Profi in Sachen KI-Algorithmen ist daher das Data Science Team, während ML Engineer*innen die Profis der Software Tools sind. Sie beherrschen diese Werkzeuge im Schlaf, um die ML-Modelle nutzbar zu machen. Wichtig an dieser Stelle: Machine Learning Engineer*innen schreiben Software. Diese Modelle bzw. Algorithmen werden mithilfe der Daten ständig aktualisiert und optimiert sowie kontinuierlich getestet.

ML Engineer*innen beschäftigen sich mit folgenden Fragen: 

• Wie stelle ich sicher, dass mein Modell immer erreichbar ist und möglichst immer richtig vorhersagt?

• Wie optimiere ich die Geschwindigkeit dieser Prozesse?
  

Das Aufgabenspektrum der Stellenbeschreibung ist dabei in fortlaufender Entwicklung, da es sich hier um einen absoluten Newcomer Job handelt.


Tasks auf einen Blick: 

• Machine Learning Modelle in Produktion bringen

• Bestehende Machine Learning Modelle verbessern oder warten

• Mitverantwortung im Data Team für den gesamten Lebenszyklus (Entwicklung, Einsatz, Überwachung und Wartung)

• Skalierung theoretischer Data Science Modelle in produktionsreife Modelle

• Überprüfen der Datenqualität

• Durchführung von Tests zum maschinellen Lernen

• Monitoring des Ist-Zustands und Alerting falls etwas schiefgeht.

• Enge Zusammenarbeit mit Data Science, Software Engineering und Data Engineering

Welche Skills erfordert die Stellenbeschreibung?

Logisch, dass die Basis von allem eine Leidenschaft fürs Coden – idealerweise auch ein Faible dafür, auf kreative Art Probleme zu lösen, neue Wege auszuprobieren und vor dem Scheitern keine Angst zu haben. Computer- und Informatikwissen sind elementar, optimal sind zudem Kenntnisse in Mathematik und Stochastik. Dazu sind zudem ne Menge weitere Skills wichtig. Eine kleine Auflistung findet ihr im Folgenden:

Skills von ML Engineer*innen:

• Gutes Verständnis in Mathematik und Statistik

• Erfahrung mit gängigen Verfahren des Machine Learning, und deren Evaluationsmetriken sowie Best Practices

• Software Engineering & Data Engineering

• Model Deployment

• Monitoring und Alerting

• ML-Testing

• Umgang mit Structured Query Language (SQL)

• Projektmanagement & agile Methoden

• Geübter Umgang im Programmieren und Beherrschen gängiger Programmiersprachen wie Python oder Java

• Proaktive Problemlösung und Verständnis von Cloud-Diensten
  

Was verdient man als ML Engineer*in?

Der Beruf ist die Zukunft. Mit zunehmendem technologischem Fortschritt und stetig wachsenden Komplexitäten nimmt auch die Nachfrage nach ML Engineer*innen am Arbeitsmarkt zu. Der Hype kommt also erst noch. Schon jetzt können sich die Gehälter aber sehen lassen, denn bereits Junioren starten je nach Unternehmen und Region bei rund 50.000€/jährlich. Der Durchschnittslohn liegt bei immerhin beachtlichen 65.000€/jährlich – wobei alles, echt alles, möglich ist. Auch sechsstellige Gehälter. 

Da das Berufsbild noch recht jung ist, fangen Unternehmen gerade erst an, die Bedeutung der KI für ihre Einsatzfelder zu erfassen. Schon in naher Zukunft können ML Expert*innen damit mit noch lukrativen Gehältern und zunehmend spannenderen Aufgaben rechnen. Gleichzeitig können sie in allen Bereichen tätig werden.



KarriereKICKstart: Werde Lehrer*in für Maschinen

Die Stellenbeschreibung hat dich neugierig gemacht und du hast Bock drauf, Maschinen das Lernen beizubringen? Dann ergatterst du vielleicht einen unserer Plätze in unserem neuen Machine Learning Engineering Bootcamp. Die Weiterbildung ist als berufliche Spezialisierung angelegt und richtet sich damit speziell an Personen, die bereits Data Science Pros sind oder über Know-how in Software Engineering verfügen. Machine Learning ist sozusagen “Next Level” oder der “Deep Dive” im Umgang mit Software & Daten. Development Basics und ein sicherer Umgang mit SQL sind deine Zutrittskarte. 

Willst du mehr über Machine Learning erfahren? Dann schau gerne hier vorbei.