Junior Machine Learning Engineer (m/w/d) - Berlin
- Status
- Open
- Remote policy
- Not stated
- Employment type
- Not stated
- Salary
- 36,500-64,500 EUR / year
- Source
- germantechjobs
- First observed
- 2026-09-16 08:46 UTC
- Last seen
- 2026-09-16 08:46 UTC
- Source claims posted
- 2026-09-16 07:04 UTC
- Consecutive misses
- 0 of 3
What the posting says
Salary: 36.500 - 64.500 € per year
Requirements:
Wir freuen uns auf deinen Hochschulabschluss in Informatik oder einem verwandten Fach
Du verfügst über zumindest ein Jahr Berufserfahrung in der Industrie oder im Consulting und hast bereits Produktionssysteme nach MLOps- oder DevOps-Prinzipien entwickelt
Ebenso hattest du bereits praktische Erfahrung mit ML- und Cloud-Computing-Plattformen oder mit Databricks bzw. SnowFlake
Du bringst idealerweise praktische Erfahrung mit oder hast zumindest Interesse an dem vielfältigen end-to-end Machine Learning Engineering Stack (Data Engineering, Microservices, Frontend- und Backend-Entwicklung)
Auf Deutsch und Englisch kommunizierst du gut und gerne
Responsibilities:
Als Machine Learning Engineer unterstützt du unsere Kunden bei Aufbau, Wartung und Betrieb von datenintensiven Cloud-basierten Lösungen mit einem der großen Cloud-Anbieter wie Amazon Web Services, Microsoft Azure oder Google Cloud Platform
Mit deinen Kenntnissen in Programmiersprachen lieferst du die passenden Lösungen für unsere Kunden im Bereich Machine Learning
Dabei setzt du auch Big-Data-Technologien (z. B. Apache Spark oder Hadoop), Datenbanken sowie Batch- oder Echtzeit-Datenintegration (z. B. Kafka oder RabbitMQ) ein
Du nutzt CI/CD- und DevOps-Paradigmen, um unsere Lösungen mithilfe von Infrastructure as Code wie Terraform, Helm oder Ansible und container-based Technologien wie Docker oder Kubernetes zu entwickeln, bereitzustellen und zu skalieren
Technologies:
AI
Ansible
Azure
Backend
CI/CD
Cloud
Data-Science
Databricks
DevOps
Docker
Frontend
Hadoop
Helm
Kafka
Kubernetes
LLM
Machine Learning
MLOps
RabbitMQ
Snowflake
Spark
Terraform
Web
microservices
More:
Unser internationales Team entwickelt maßgeschneiderte End-to-End-Lösungen unter Einsatz von Machine Learning für unsere Kunden. Dabei decken unsere Projekte den gesamten Lebenszyklus ab, von der ersten Strategieberatung bis zur Umsetzung. Wir bieten regelmäßige und systematische (externe und interne) Weiterbildungsmöglichkeiten in den Bereichen Generative AI, LLM-Entwicklung, Cloud-Architektur und Data Science, arbeiten in einer offenen, flachen Umgebung innerhalb eines breiten Reply-Netzwerks zum Wissensaustausch und bieten preisgekrönte Büroräume in der Münchner Innenstadt mit Zugang zur Stammstrecke, eine Fahrkarte für öffentliche Verkehrsmittel mit Deutschlandticket, Beteiligung an sportlichen Aktivitäten über den EGYM Wellpass sowie weitere Benefits der Reply Gruppe und eine flexible Arbeitsumgebung zwischen Kunden, Reply-Büro und Remote-Arbeit. Machine Learning Reply bietet maßgeschneiderte End-to-End-Lösungen im Data-Science-Bereich an, die den gesamten Projektlebenszyklus abdecken – von der initialen Strategieberatung über die Datenarchitektur und Infrastrukturthemen bis hin zur Datenverarbeitung und Qualitätssicherung unter Verwendung von Machine-Learning-Algorithmen. Machine Learning Reply verfügt über umfassende Expertise im Bereich der Datenwissenschaft in allen Schlüsselindustrien der deutschen HDAX-Unternehmen. Machine Learning Reply befähigt seine Kunden, neue datenbasierte Geschäftsmodelle erfolgreich einzuführen sowie bereits bestehende Prozesse und Produkte zu optimieren – mit einem Schwerpunkt auf Open-Source- und Cloud-Technologien. Mit dem Machine Learning Incubator bietet das Unternehmen ein Programm zur Ausbildung der nächsten Generation von Entscheidungsträgern, Data Scientists und Entwicklern an.
last updated 37 week of 2026
Quality
- + Salary range stated weight 35%
- x Remote policy stated weight 20%
- x Location stated weight 15%
- + Organisation stated weight 15%
- + Publication date stated weight 15%
Not enough history yet to judge honesty signals.
Timeline
-
*
#787047 2026-09-16 08:46 UTCPublished