Senior Data Scientist

Stelle nicht auf LinkedIn

🕒 vor 1 Monat

🌐 Deutschland, Polen – Remote

🇩🇪 Deutschland – Remote 🇵🇱 Polen – Remote

⏰ Vollzeit

🟠 Senior

📊 Data Scientist

👻 Geisterscore 14%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Warum dieser Wert:

• Seit 47 Tagen offen.
• Stellen bei diesem Unternehmen werden meist in 36 Tagen besetzt.
• Kein Gehalt angegeben.

Jetzt Bewerben

Deinen Lebenslauf-Score prüfen

Lebenslauf + Anschreiben anpassen

Ähnliche Remote-Jobs finden

☆ Speichern☑️ Als beworben markieren❌ Ausblenden

Problem melden

Sigma Software Group

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

Gegründet 2002

💼 Beratung

🏥 Gesundheitswesen

🚘 Automobilindustrie

Consulting • Healthcare • Automotive

Die Sigma Software Group ist ein multinationales Unternehmen, das 2002 gegründet wurde und sich auf hochwertige Softwareentwicklung, Grafikdesign, Testing und Support-Services spezialisiert hat. Das Unternehmen liefert Lösungen für unterschiedlichste Branchen, darunter Automotive, Telekommunikation, Luftfahrt, Werbung, Gaming, Banking, Immobilien und Gesundheitswesen. Sigma Software fördert die berufliche Weiterentwicklung, bietet weltweit Remote-Work-Möglichkeiten und betreut renommierte Kundinnen und Kunden wie AstraZeneca, Scania und SAS. Das Unternehmen legt Wert auf eine Kultur der kontinuierlichen Weiterbildung, des Mentorings und flexibler Arbeitsumgebungen – und ist damit ein bevorzugter Arbeitgeber für IT-Spezialistinnen und -Spezialisten, die an komplexen Lösungen mit Cutting-Edge-Technologien arbeiten möchten. Sigma Software steht für innovative Lösungen und gestaltet die Zukunft des Engineerings mit – und engagiert sich zugleich gesellschaftlich, unter anderem durch karitative Arbeit in der Ukraine.

Beschreibung

• Entwicklung und Verbesserung zensierter Bid-Landscape-Modelle zur Schätzung von Verteilungen der Clearing-Preise auf Basis teilweise beobachteter Auktionsdaten • Entwicklung von Echtzeitmodellen zur Schätzung der Gewinnwahrscheinlichkeit, die auf die Dynamik der Gebotspreise reagieren • Konzeption und Implementierung hierarchischer Lift-Schätzmodelle mit Auswahlstrategien auf Basis von Konfidenzgrenzen • Entwicklung von Conversion-Propensity-Modellen unter Verwendung spärlicher, verzögerter und ausschließlich aggregierter Labels • Entwicklung von Look-alike-Audience-Modellen mithilfe von Positive-Unlabeled Learning und Embedding-basierten Nearest-Neighbor-Verfahren • Implementierung von Kalibrierungsstrategien auf Advertiser-Ebene sowie eigenständige Überwachung der Ranking- und Kalibrierungsqualität • Konzeption robuster Offline-Evaluierungsframeworks unter Einsatz von Inverse-Propensity-Scoring, Doubly-Robust-Schätzern und Importance-Reweighting • Definition von Explorationsstrategien und Ansätzen zur Propensity-Protokollierung, um zuverlässige nachgelagerte Korrekturen und Evaluierungen sicherzustellen • Entwicklung von Verfahren zur beschränkten Optimierung von Kampagnenzielen, Preisvorgaben und Volumen-Targeting • Mitwirkung an Datendiagnosen, Fähigkeitsbewertungen und evidenzbasierten Model Empfehlungen • Zusammenarbeit mit dem Customer-Team bei der Feinabstimmung nach dem Launch und bei Zyklen zur Leistungsvalidierung • Erstellung technischer Dokumentationen und Materialien zum Wissenstransfer für das interne Data-Science-Team des Kunden • Teilnahme an Architekturgesprächen und Mitwirkung an Entscheidungen zur Gestaltung skalierbarer ML-Plattformen

🎯 Anforderungen

• Mindestens 5 Jahre Berufserfahrung in Machine Learning oder Data Science mit produktionsreifen Modellen, deren Leistung anhand von Business-KPIs gemessen wird • Sehr gute Python-Kenntnisse, einschließlich NumPy, pandas und scikit-learn • Sehr gute SQL-Kenntnisse und Erfahrung mit großen Datensätzen • Umfassende praktische Erfahrung mit XGBoost, LightGBM oder CatBoost • Sehr gutes Verständnis von Regularisierung, Kalibrierungsmethoden und dem Umgang mit kategorialen Features • Fundierte Kenntnisse in Wahrscheinlichkeit, Statistik, Konfidenzintervallen und statistischer Power-Analyse • Erfahrung im Feature Engineering für strukturierte und verhaltensbezogene Datensätze • Praktische Erfahrung mit Spark oder PySpark • Praktische Kenntnisse von Experimentierframeworks und A/B-Testmethoden • Erfahrung mit fortgeschrittenen Validierungsansätzen, einschließlich zeitbasierter Splits, Leakage-Erkennung, Drift-Analyse und slice-basierten Metriken • Verständnis von Explainability-Techniken wie SHAP und Permutation Importance • Englischkenntnisse auf mindestens fortgeschrittenem Niveau (Upper-Intermediate) • Ausgeprägte analytische Fähigkeiten und Problemlösungskompetenz • Fähigkeit, in einem stark datengetriebenen Umfeld effektiv zu arbeiten • Ausgeprägte Kommunikations- und Stakeholder-Management-Fähigkeiten • Fähigkeit, komplexe Modellierungsentscheidungen technischen und nicht technischen Zielgruppen zu erläutern • Proaktive Arbeitsweise mit ausgeprägtem Verantwortungsbewusstsein • Hohe Detailgenauigkeit und wissenschaftliche Strenge bei Experimenten und Evaluierungen

🏖️ Vorteile

• Möglichkeit zur Arbeit im Homeoffice • Möglichkeit, an technisch anspruchsvollen Produkten zu arbeiten • Zusammenarbeit mit erfahrenen Engineers und Data Scientists • Direkter Einfluss auf Produktionssysteme im großen Maßstab

📊 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