Auf einen Blick
Senior Data Scientist / ML Engineer für Core Foodics Produkte (Pricing, Personalisierung, Fraud Detection). 5+ Jahre ML/AI mit GenAI/LLM Integration. MLOps, Python, AWS erforderlich.
💰 ~$140.000–220.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🗺️ EMEA
- 5+ Jahre Applied ML/AI/Data Science
- Python + ML Libraries (scikit-learn, PyTorch, TensorFlow, XGBoost)
- MLOps Tools und Production Scaling
- GenAI/LLM Integration Experience
Python
GenAI/LLM
MLOps
Statistical Modeling
AWS
Gehalt geschätzt anhand Senior Data Scientist mit GenAI/LLM und MLOps im MENA Fintech SaaS. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior Data Scientists mit GenAI/LLM-Integration Background
- ML Engineers mit Production Scaling und MLOps-Erfahrung
- Kandidaten, die KI-Driven Feature Development führen möchten
🚫 Weniger geeignet
- Junior Data Scientists (<5 Jahre)
- Akademiker ohne Production-Erfahrung
- Kandidaten, die nicht mit schnell iterierender KI arbeiten wollen
💡 Gut zu wissen
- GenAI/LLM Integration ist neu und rapid evolving – continuous learning erforderlich
- Foodics hat 6+ Milliarden Datenpunkte – Skalierung ist ein täglicher Fokus
- MENA-Markt hat einzigartige Anforderungen, die KI-Modelle berücksichtigen müssen
Über das Unternehmen
Foodics ist ein führendes Restaurant Management Ökosystem mit Payment Tech und baut ihre AI/GenAI Capabilities massiv aus. Mit 170 Millionen Serie-C Finanzierung ist schnelle KI-Integration ein Fokus.
Die Rolle in Kürze
Sie führen das Design, die Entwicklung und das Deployment von ML/AI/GenAI Models für Core Foodics Produkte (z.B., Pricing, Personalisierung, Fraud Detection). Zusammenarbeit mit Data Engineers, Product Managers und Platform Teams.
Deine Aufgaben
- End-to-End ML Model Lifecycle: Problem Framing, Data Exploration, Training, Deployment, Monitoring
- Design und Entwicklung von skalierbaren Solutions mit Classical ML und GenAI Techniken
- Implementierung von MLOps Best Practices: Versioning, Reproducibility, Monitoring, CI/CD
- Zusammenarbeit mit Squads und Platform Teams für Reusability und Standard-Adherence
- Mentoring von Junior ML Engineers und Beitrag zur internen ML Knowledge Base
- Model Integration mit APIs und Backend Services
- "You Build It, You Run It" Approach: Full Lifecycle Ownership
Deine Voraussetzungen
- 5+ Jahre Applied ML, AI oder Data Science
- Strong Proficiency in Python und ML/AI Libraries (scikit-learn, PyTorch, TensorFlow, XGBoost, HuggingFace Transformers)
- Erfahrung mit MLOps Tools (MLflow, SageMaker) und Versioning/Testing/Observability Management
- Deep Understanding von Model Development Workflows: Feature Engineering, Hyperparameter Tuning, Model Evaluation, A/B Testing
- Deep Understanding von Statistical Modeling und Statistical Inference
- Proven Track Record von ML Models in Production at Scale
- Knowledge von ML Best Practices: Bias Mitigation, Explainability (SHAP, LIME), Model Monitoring
- Familiarity mit Cloud-Native Environment (AWS preferred)
- Hands-on Experience mit GenAI/LLM Integration (RAG, Fine-Tuning, Embeddings, Prompt Engineering)
