Machine-Learning-Engineer: Lebenslaufbeispiel

Mara Beispiel

mara.beispiel@example.com · Berlin, Deutschland · GitHub: github.com/mara-beispiel

Zusammenfassung

Machine-Learning-Ingenieurin mit Erfahrung in der Entwicklung und Einführung von ML-Modellen für Logistik- und E-Commerce-Anwendungen. Arbeitet sicher mit Python, SQL und gängigen ML-Frameworks und begleitet Projekte vom Datenverständnis bis zum Betrieb. Legt Wert auf nachvollziehbare Experimente, zuverlässige Pipelines und eine enge Zusammenarbeit mit Produkt- und Engineering-Teams.

Berufserfahrung

Machine-Learning-Ingenieurin | Northwind Logistics | Berlin

*2022–heute*

• Entwickelte ein Prognosemodell zur Unterstützung der Kapazitätsplanung und integrierte dessen Ergebnisse in interne Arbeitsabläufe.
• Erstellte wiederverwendbare Daten- und Trainingspipelines mit Python und SQL.
• Ergänzte die Modellüberwachung um Prüfungen auf Datenabweichungen und veränderte Vorhersagequalität.
• Arbeitete mit Fachbereichen zusammen, um Anforderungen in überprüfbare Modellziele zu übersetzen.

Data Scientist | Contoso Commerce | Hamburg

*2020–2022*

• Entwickelte Modelle zur Erkennung von Auffälligkeiten in Bestell- und Produktdaten.
• Baute einheitliche Auswertungen für Datenbereinigung, Merkmalsentwicklung und Modellvergleich auf.
• Dokumentierte Experimente und stellte Ergebnisse für technische und nichttechnische Teams verständlich dar.
• Unterstützte die Überführung ausgewählter Modelle in produktive Anwendungen gemeinsam mit Softwareentwicklern.

Junior Data Analystin | Fabrikam Digital | Hamburg

*2018–2020*

• Analysierte Verkaufs- und Nutzungsdaten mit SQL und Python.
• Automatisierte wiederkehrende Datenprüfungen und Berichte.
• Erstellte Visualisierungen, die Produktteams bei der Untersuchung von Nutzungsmustern unterstützten.

Ausbildung

Master of Science, Data Science

Universität Hamburg | 2018–2020

Bachelor of Science, Informatik

Universität Bremen | 2015–2018

Kenntnisse

• Programmiersprachen: Python, SQL
• Machine Learning: scikit-learn, PyTorch, Zeitreihenanalyse, Klassifikation, Modellbewertung
• Datenverarbeitung: pandas, NumPy, Datenbereinigung, Merkmalsentwicklung
• Produktionsbetrieb: APIs, Docker, Git, Modellüberwachung, automatisierte Tests
• Zusammenarbeit: technische Dokumentation, Experimentplanung, Kommunikation mit Fachbereichen

Warum dieser Lebenslauf funktioniert

• Das Profil fasst relevante Erfahrung und Arbeitsweise knapp zusammen.
• Die Berufserfahrung zeigt konkrete Aufgaben und Beiträge statt allgemeiner Aussagen.
• Die Stationen machen den beruflichen Werdegang und die Entwicklung der Verantwortung nachvollziehbar.
• Die Kenntnisse sind thematisch geordnet und lassen sich schnell erfassen.

Tipps für einen Lebenslauf als Machine-Learning-Ingenieurin

• Passe Zusammenfassung und Kenntnisse an die jeweilige Stelle an.
• Beschreibe, welche Aufgabe ein Modell gelöst hat und wie es eingesetzt wurde.
• Nenne verwendete Werkzeuge dort, wo sie mit einem konkreten Beitrag verbunden sind.
• Erläutere deine Rolle bei Datenaufbereitung, Modelltraining, Bereitstellung und Überwachung.
• Verwende klare, überprüfbare Aussagen und ergänze messbare Ergebnisse nur, wenn du sie belegen kannst.