Machine Learning Engineer

Vestiaire Collective ist der weltweit führende Online-Marktplatz für begehrte Pre-Loved-Mode. Unsere Mission ist es, die Modeindustrie für eine nachhaltigere Zukunft zu verändern, indem wir unsere Community befähigen, die Kreislaufwirtschaft zu fördern. Vestiaire wurde 2009 gegründet und hat seinen Hauptsitz in Paris mit Büros in London, Berlin, New York, Singapur, Ho-Chi-Minh-Stadt sowie Lagerhäusern in Tourcoing (Frankreich), Crawley (UK), Hongkong und New York.

Wir haben derzeit ein diverses globales Team von 600 Mitarbeitern aus über 50 Nationen. Unsere Werte sind Aktivismus, Transparenz, Engagement, Größe und Kollektivität.

Über die Rolle

Wir suchen einen Foundational Machine Learning Engineer für eine wirkungsvolle Greenfield-Chance, um unsere MLOps-Infrastruktur bei Vestiaire Collective von Grund auf aufzubauen. Während die Steuerung unserer KI-Authentifizierungsinitiativen (Einsatz von Multi-Modell-Ansätzen, einschließlich Computer Vision für die Authentifizierung von Luxusprodukten und Betrugserkennung) Ihr unmittelbarer Fokus sein wird, besteht Ihre langfristige Mission darin, die grundlegende Architektur für den gesamten Marktplatz zu skalieren. Sie werden unsere ML-Fähigkeiten erweitern, um breitere Bereiche zu unterstützen, wobei der Schwerpunkt auf Such- und Empfehlungssystemen liegt, mit zukünftigen Erweiterungen auf dynamische Preisgestaltung und Marketingtechnologien. Als Brücke zwischen Applied Science, Data Platform und Backend Engineering entwerfen Sie robuste, entkoppelte Architekturen und leiten die MLOps-Strategie mit unserem Director of Data. Dabei priorisieren Sie Systemwartbarkeit, technische Hygiene und die zuverlässige Bereitstellung komplexer Modelle, um sicherzustellen, dass alle unsere ML-Modelle geschäftliche Auswirkungen mit hohem Durchsatz und geringer Latenz liefern.

Was Sie tun werden

• Kurzfristige Wirkung (erste 6 Monate): Arbeiten Sie eng mit den Operations-Squads und Data Scientists zusammen, um ML- und RAG-Prototypen in resilienten, produktionsreifen Code zu überführen. Sie integrieren sich direkt in das Team, um rechenintensive CV- und VLM-Modelle für Betrugserkennung und Luxusprodukt-Authentifizierung bereitzustellen, zu optimieren und zu skalieren.

• Mittelfristiges Fundament (MLOps-Lebenszyklus & Infrastruktur): Leiten Sie die grundlegende Arbeit unseres ML-Lebenszyklus durch das Design robuster Systeme für Daten- & Feature-Management, Modell-Tracking & Registry sowie Modell-Serving & Monitoring. Sie skalieren die Infrastruktur durch die Automatisierung kontinuierlicher Retraining-Pipelines, entwerfen resiliente Multi-Modell-Architekturen und bewerten kritisch den technischen Overhead und die TCO unserer internen Tools gegenüber Enterprise-Plattformen.

• Langfristige Vision (Zentralisierung der 360-Grad-MLE-Fähigkeiten): Agieren Sie als Pionier und Eckpfeiler für die ML-Engineering-Disziplin bei Vestiaire Collective. Sie setzen technische Standards, um die KI/ML-Organisation zu skalieren, und bieten horizontale ML-Infrastrukturunterstützung für mehrere Bereiche, einschließlich Suche, Discovery, Preisgestaltung, Marketing und Datenplattformen.

Wer Sie sind

Must-Haves:

• Erfahrung: 5-8 Jahre praktische Erfahrung im Machine Learning Engineering, mit Fokus auf den Aufbau und die Skalierung von MLOps-Infrastruktur und die Operationalisierung von ML-Systemen.

• Produktionsinfrastruktur: Nachgewiesene Expertise in der Bereitstellung von ML-Inferenzdiensten mit geringer Latenz und hohem Durchsatz (unter Verwendung von FastAPI, TorchServe, Triton Inference Server oder Ray Serve) für klassische und komplexe ML-Modelle (PyTorch/TensorFlow). Starke Präferenz für AWS (EKS, EC2, SageMaker) / Snowflake und Open-Source-Ökosysteme gegenüber GCP/Azure.

• MLOps & Pipelines: Tiefe Erfahrung im Aufbau automatisierter, kontinuierlicher Modell-Retraining-Pipelines zur Bewältigung von Concept Drift. Sie haben entkoppelte Multi-Modell-KI-Architekturen mit Tools wie Airflow, Kubeflow oder Metaflow orchestriert und besitzen fundierte Kenntnisse in Modell-Registry- und Tracking-Tools wie MLflow oder Weights & Biases.

• Feature Stores: Praktische Erfahrung in der Bewertung, dem Aufbau oder der extensiven Nutzung von Online- (Redis, DynamoDB) und Offline- (Snowflake, S3) Feature Stores in einer Produktionsumgebung.

• Strategisches Builder-Mindset: Sie sind ein analytischer Entwickler, der langfristig denkt. Sie können TCO für maßgeschneiderte interne Systeme gegenüber Enterprise-Tools bewerten und robuste Architekturen entwerfen.

• Zusammenarbeit & technische Hygiene: Ausgeprägte kommunikative Fähigkeiten. Sie zeichnen sich dadurch aus, komplexe ML-Prototypen in hochskalierbaren Produktionscode zu übersetzen, der durch strenge Versionskontrolle, rigorose Tests und CI/CD-Best-Practices abgesichert ist.

Nice-to-Haves:

• Relevante Fachkenntnisse: Hintergrund in E-Commerce, Single-SKU-Marktplätzen, Suche & Empfehlung, Trust & Safety oder Betrugserkennung.

• Vision, Edge & Optimierung: Praktische Erfahrung mit Vektordatenbanken, Visual RAG-Pipelines, dem Einsatz von Deep Learning VLM-Modellen und der Optimierung von Modellen für Edge-Computing oder Inferenz mit geringer Latenz (z. B. ONNX, TensorRT).

• Infrastruktur & Observability: Fortgeschrittene Erfahrung mit Containerisierung (Docker, Kubernetes), Infrastructure as Code (Terraform) und Datentransformations-Workflows (dbt). Vertrautheit mit der Einrichtung fortschrittlicher Überwachung für Modellleistung, Concept Drift und Systemzustand (Datadog, Prometheus).

Was wir bieten 🎁

• Eine sinnvolle Aufgabe mit Einfluss darauf, wie Menschen Mode konsumieren und Nachhaltigkeit fördern.
• Die Möglichkeit, karriereprägende Arbeit in einem schnell wachsenden, in Frankreich gegründeten Scale-up zu leisten.
• Die Möglichkeit, Teil eines global diversen Teams mit mehr als 50 Nationalitäten zu sein.
• Zwei Tage für Hilfsprojekte – zur Stärkung Ihrer aktivistischen Reise und ehrenamtliches Engagement für einen Verein.
• Signifikante Investition in Ihr Lernen und Wachstum.
• Wettbewerbsfähiges Vergütungs- und Leistungspaket (z. B. 28 Tage bezahlter Urlaub).

Forschungsergebnisse deuten darauf hin, dass Menschen aus unterrepräsentierten Gruppen oft zögern, sich auf Stellen zu bewerben, es sei denn, sie erfüllen jede einzelne Anforderung. Bei Vestiaire Collective glauben wir, dass Talent viele Formen hat, und wir verpflichten uns, ein inklusives Umfeld zu schaffen, in dem jeder erfolgreich sein kann. Wir ermutigen Sie, sich zu bewerben, auch wenn Sie nicht jedes Kästchen abhaken.

Vestiaire Collective ist ein Arbeitgeber, der Chancengleichheit fördert.

Vorsicht vor Betrug

Vestiaire Collective kontaktiert Kandidaten nur über offizielle E-Mails, die auf @vestiairecollective.com oder no-reply@hire.lever.co enden. Wir nutzen niemals WhatsApp, Telegram oder ähnliche Apps für Stellenangebote und fordern niemals Zahlungen oder Bankdaten an. Wenn Sie eine verdächtige Nachricht erhalten, melden Sie diese bitte an talentacquisition@vestiairecollective.com.