Angewandter Datenwissenschaftler / Ingenieur für maschinelles Lernen (Entscheidungsintelligenz)

Wir suchen einen produktorientierten Wissenschaftler für angewandte Daten oder einen Ingenieur für maschinelles Lernen, der uns bei der Entwicklung, Lieferung und Skalierung von ML-basierten Produkten unterstützt, die die Art und Weise, wie unsere Kunden Entscheidungen treffen, ihre Geschäfte betreiben und ihre eigenen Benutzer bedienen, direkt verbessern.
Dabei handelt es sich weder um eine reine Forschungsposition noch um eine dienstleistungsorientierte interne Analyseposition. Wir wollen jemanden, der maschinelles Lernen von der Problemdefinition über Experimente, Produktionsbereitstellung, Messung, Iteration bis hin zur langfristigen Verantwortung übernommen hat. Sie verstehen, dass großartige Modelle nicht nur in Notebooks genau sind – sie sind auch in einem realen Produkt nutzbar, erklärbar, messbar, skalierbar und wertvoll.
Unabhängig davon, ob Ihr Hintergrund stark auf Data Engineering/ML Ops oder angewandte Datenwissenschaft ausgerichtet ist, haben Sie eine starke Vorliebe für die Schifffahrt und ein Interesse daran, beide Welten zu verbinden, um KI zum Leben zu erwecken.
WAS SIE TUN WERDEN:

Ingenieurwesen und KI-Aktivierung

•
End-to-End-ML-Ownership: Treiben Sie die Entwicklung maschineller Lernfunktionen (Prognose, Empfehlung, Ranking, Optimierung oder Entscheidungsintelligenz) voran, die kundenorientierte SaaS-Produkte unterstützen.

•
Pipeline- und Modellentwicklung: Entwerfen Sie zuverlässige Daten- und Feature-Pipelines neben Modellen von der Entdeckung über Experimente, Validierung, Bereitstellung und Überwachung.

•
Produktintegration: Arbeiten Sie mit Produktmanagern und Softwareentwicklern zusammen, um ML direkt in Produktabläufe, Benutzererfahrungen und Entscheidungstools einzubetten.

•
Pragmatisches Prototyping: Gehen Sie schnell vom Prototyp zur Produktion über und achten Sie dabei auf Genauigkeit, Interpretierbarkeit, Latenz, Wartbarkeit und geschäftliche Auswirkungen.

Ökosystemeigentum und -strategie

•
Evaluierung und Experimente: Definieren Sie Offline- und Online-Evaluierungsstrategien, einschließlich Modellqualität, Drift und Zuverlässigkeit. Entwerfen Sie A/B-Tests und kausale Messrahmen, um zu beweisen, dass ML-Funktionen die Kundenergebnisse verbessern.

•
Datenzustand und Feedbackschleifen: Arbeiten Sie mit Datenteams zusammen, um sicherzustellen, dass Modelle durch hochwertige Funktionen unterstützt werden, und bauen Sie gleichzeitig Feedbackschleifen auf, damit sich die Produkterfahrungen im Laufe der Zeit verbessern.

•
Plattform- und MLOps-Unterstützung: Helfen Sie bei der Verwaltung und Optimierung der Cloud-Dateninfrastruktur, stellen Sie vertrauenswürdige Erkenntnisse sicher und verwalten Sie den Datenzustand proaktiv, bevor er sich auf Benutzer auswirkt.

Produkt- und technische Leitung

•
Strategisches Urteilsvermögen: Bringen Sie ein starkes Urteilsvermögen mit, wann Sie traditionelles ML, statistische Modellierung, LLMs, Heuristiken oder einfachere Produktlogik verwenden sollten. Machen Sie praktische Kompromisse zwischen Modellkomplexität und Kundenauswirkungen.

•
Roadmap-Einfluss: Kommunizieren Sie klar, was ML lösen kann und was nicht, um Roadmap-Entscheidungen zu beeinflussen, und helfen Sie dabei, herauszufinden, wo maschinelles Lernen eine echte Produktdifferenzierung bewirken kann.

•
Mentoring: Leiten und betreuen Sie andere Datenwissenschaftler, ML-Ingenieure, Analysten und funktionsübergreifende Partner in angewandten ML-Best Practices.

WER SIE SIND:

•
Der bewährte Baumeister: Sie haben ML in echte Produkte integriert. Sie beginnen gerne mit einem mehrdeutigen Produktproblem, finden heraus, ob ML die richtige Lösung ist, entwickeln es und messen, ob es funktioniert.

•
Product-First-Architekt: Die Produktauswirkungen sind Ihnen ebenso wichtig wie die Modellleistung. Sie wissen, dass ein Modell mit etwas geringerer Genauigkeit, aber höherem Vertrauen, schnellerer Schlussfolgerung, besserer Erklärbarkeit und stärkerer Benutzerakzeptanz die bessere Produktentscheidung ist.

•
Ein multidisziplinärer Ausführender: Sie verstehen, dass ein Modell nur so gut ist wie die Pipeline, die es versorgt. Für Sie stehen Benutzerfreundlichkeit, „Time to Insight“ und Kundenvertrauen ebenso im Vordergrund wie Codeeffizienz.

WAS SIE MITBRINGEN:

•
Erfahrung: 3+ Jahre (idealerweise 5+) Berufserfahrung in angewandter Datenwissenschaft, maschinellem Lernen oder ML-Engineering, einschließlich praktischer Erfahrung im Aufbau und Versand von Modellen in Produktionsprodukte. Erfahrung mit SaaS-Produkten wird sehr geschätzt.

•
Technischer Kern: Starke Python-Kenntnisse und praktische Erfahrung mit angewandten ML-Bibliotheken und Frameworks (z. B. Scikit-Learn, XGBoost, PyTorch, TensorFlow). Solide SQL-Kenntnisse sind erforderlich.

•
ML- und Modellierungstiefe: Ausgeprägtes Verständnis von überwachtem Lernen, Prognosen, Rankings, Empfehlungssystemen, Optimierung oder statistischer Modellierung. Erfahrung mit realen, unvollständigen Produktdatensätzen ist unerlässlich.

•
Ops & Orchestrierung: Vertrautheit mit MLOps-Konzepten (Modellversionierung, Feature-Pipelines, Orchestrierung über Airflow/dbt/Dagster, Überwachung, Drifterkennung) und modernen Datenplattformen (z. B. Snowflake, BigQuery, Redshift, Databricks).

•
Cloud-Infrastruktur: Praktische Erfahrung im Betrieb in Cloud-Umgebungen (AWS, GCP oder Azure).

•
Kommunikation und Zusammenarbeit: Hervorragende Kommunikationsfähigkeiten mit der Fähigkeit, komplexe technische Kompromisse gegenüber Produkt-, Technik- und nicht-technischen Geschäftsinteressenten klar zu erklären.

BONUSPUNKTE FÜR:

•
Erfahrung mit Entscheidungsintelligenz, Prognosen, Kundenverhaltensmodellierung, Personal-/Routenoptimierung oder Operational-Intelligence-Produkten.

•
Erfahrung mit LLMs, GenAI oder Agenten-Workflows, angewendet auf reale Produktanwendungsfälle.

•
Vorherige Erfahrung als leitender oder leitender Wissenschaftler, der für die technische Leitung verantwortlich ist.

WAS SIE ÜBER UNS WISSEN SOLLTEN:

• Wir sind entspannt, aber zugeknöpft. Wir bieten ein ungezwungenes Arbeitsumfeld und Flexibilität bei der Remote-Arbeit und haben eine Leidenschaft für die Entwicklung kreativer, innovativer Best-in-Class-Lösungen, die direkt zum Erfolg unserer Kunden beitragen

• Wir kümmern uns intensiv um die Bereitstellung von Dienstleistungen und Lösungen, die einen echten Unterschied im Leben unserer Kunden und ihrer Unternehmen bewirken

• Wir akzeptieren andere offen so wie sie sind und bauen starke Partnerschaften auf, die auf Vertrauen basieren

• Teamarbeit und Zusammenarbeit sind der Schlüssel, um unseren Kollegen und Kunden bei der Lösung ihrer Herausforderungen zu helfen

• Unser Team ist energisch, lustig, von Natur aus neugierig und bestrebt, etwas zu bewirken. Wir laden Sie ein, sich uns anzuschließen!

LIEBEN SIE, WAS SIE TUN, EGAL WO SIE ES TUN:…

Quelle: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence)