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

📅 Start: 01.01.2027 | ⏳ Dauer: 01.01.27 - 31.12.29 | 🕐 Auslastung: 660 PT / davon 60 PT Onsite (in Frankfurt am Main) | 📍 Einsatzort: 60311 Frankfurt am Main

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


Ihre Aufgaben

• 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


Anforderungen

• 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)

• projekt

• freelance