Principal Data Scientist – Machine Learning, AI

🕒 vor 2 Monaten

🇬🇧 Vereinigtes Königreich – Remote

⏰ Vollzeit

🔴 Experte

📊 Data Scientist

👻 Geisterscore 27%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Accelerant

WebsiteLinkedInAlle Stellen

201 - 500 Mitarbeiter

Gegründet 2018

🛡️ Versicherung

☁️ SaaS

🤝 B2B

💰 €150.000.000 Private Equity Round - Accelerant im 2023-06

Insurance • SaaS • B2B

Accelerant ist eine digitale Risikobörse und Versicherungsplattform, die Managing General Agents (MGAs), Underwriter, Rückversicherer und institutionelles Kapital über einen technologiegestützten, datengesteuerten Marktplatz verbindet. Die Plattform bietet Echtzeitanalysen, Underwriting-Tools, Leistungskennzahlen und operativen Support (aktuarisch, Schadenregulierung, regulatorisch), um die Distribution von Spezialversicherungen zu optimieren und schnellere, transparentere Kapitalbereitstellungen zu ermöglichen. Accelerant positioniert sich als SaaS-Partner für Spezialversicherungsunternehmen mit dem Fokus auf Effizienzsteigerung, Transparenz und profitables Wachstum.

Beschreibung

• Develop machine learning and AI systems that improve decisions across pricing, underwriting, portfolio management, operations, and claims. • Work across structured data, text, documents, and external data sources, applying statistical modeling, modern machine learning, AI and agentic workflows to solve challenging real-world problems. • Identify the right approach, build production-ready solutions, and measure the business impact of your work. • Tackle a broad range of machine learning and AI problems such as predictive modeling, classification, ranking, matching, recommendation, anomaly detection, information extraction, entity resolution, building high-quality datasets, and automating analytical and decision-making workflows.

🎯 Anforderungen

• A strong quantitative foundation: statistics, probability, optimisation, or applied mathematics • Sound modelling judgement - you know what it takes for a model to hold up in the real world, not just on a validation set • Strong programming skills • Real willingness to work with LLMs and agentic AI as everyday tools, wherever your background sits today • Clear communication with both technical and non-technical audiences - you can explain a lift curve to an underwriter and a shrinkage prior to a statistician • Experience in one or more of the following is especially valuable: Track record with LLM-powered applications or AI agents, especially if you've done the unglamorous work of proving they perform Depth in the statistical toolkit beyond supervised prediction: hierarchical models and shrinkage estimation, causal inference and experimentation, survival analysis, extreme value theory, or demand and elasticity modelling • Insurance domain knowledge: pricing, reserving, claims, underwriting, or distribution • Actuarial background or qualifications (partially or fully qualified) • Experience in regulated industries where model governance and explainability matter • ML engineering experience: taking models from research code to production services, or building the tooling and frameworks that help others deploy • Cloud and infrastructure skills: AWS, Azure, or GCP; containers and orchestration; APIs and data pipelines built with cost, latency, and reliability in mind • MLOps in practice: experiment tracking, model monitoring, automated retraining, and CI/CD for models and agent

🏖️ Vorteile

• Diverse quantitative challenges across various domains • The freedom to explore the rapidly evolving ML & AI landscapes from gradient boosting and deep learning to foundation models and agentic systems, while remaining grounded in rigorous experimentation and measurable business impact • A collaborative team of data scientists, engineers, actuaries, underwriters, and product managers who enjoy solving difficult problems together