Senior Data Scientist

Stelle nicht auf LinkedIn

🔥 vor 21 Stunden

🌐 Deutschland, Polen – Remote

🇩🇪 Deutschland – Remote 🇵🇱 Polen – Remote

⏰ Vollzeit

🟠 Senior

📊 Data Scientist

👻 Geisterscore 12%

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

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 Optimierung zensierter Bid-Landscape-Modelle zur Schätzung von Verteilungen der Clearing-Preise auf Grundlage nur 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 bei gleichzeitiger unabhängiger Überwachung der Ranking- und Kalibrierungsqualität • Konzeption robuster Offline-Evaluierungsframeworks unter Verwendung von Inverse-Propensity-Scoring, Doubly-Robust-Estimatoren und Importance-Reweighting • Definition von Explorationsstrategien und Verfahren zur Propensity-Protokollierung, um eine zuverlässige nachgelagerte Korrektur und Evaluierung sicherzustellen • Entwicklung von Mechanismen zur beschränkten Optimierung von Kampagnenzielen, Preisvorgaben und Volumenzielen • Mitwirkung an Datenanalysen, Fähigkeitsbewertungen und evidenzbasierten Modellem­pfehlungen • Zusammenarbeit mit dem Customer-Team bei der Feinabstimmung nach dem Go-live und bei Zyklen zur Leistungsvalidierung • Erstellung technischer Dokumentationen und Materialien für den Wissenstransfer an das interne Data-Science-Team des Kunden • Teilnahme an Architekturgesprächen und Mitwirkung an Designentscheidungen für skalierbare 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 im Umgang mit großen Datensätzen • Umfassende praktische Erfahrung mit XGBoost, LightGBM oder CatBoost • Fundierte Kenntnisse in Regularisierung, Kalibrierungsmethoden und dem Umgang mit kategorischen Features • Sehr gute Kenntnisse in Wahrscheinlichkeitstheorie, Statistik, Konfidenzintervallen und statistischer Power-Analyse • Erfahrung im Feature Engineering für strukturierte und verhaltensbezogene Datensätze • Praktische Erfahrung mit Spark oder PySpark • Praktische Kenntnisse in Experimentierframeworks und A/B-Testmethoden • Erfahrung mit zeitbasierten Splits, der Erkennung von Data Leakage, Drift-Analysen und Slice-basierten Metriken • Verständnis von Explainability-Verfahren wie SHAP und Permutation Importance • Englischkenntnisse auf mindestens gehobenem mittlerem Niveau • Erfahrung in der AdTech-Modellierung, einschließlich CTR-/CVR-Prognosen, Bid-Landscape-Modellierung, Audience-Segmentierung und RTB-Mechanismen, von Vorteil • Erfahrung mit spärlichen, verzögerten oder zensierten Labels von Vorteil • Kenntnisse in Attribution-Modellierung, Survival Analysis und Positive-Unlabeled Learning von Vorteil • Praktische Erfahrung mit kontrafaktischen und Off-Policy-Evaluierungstechniken von Vorteil • Verständnis von Isotonic Regression und Platt Scaling von Vorteil • Erfahrung mit hierarchischen, Empirical-Bayes- oder Partial-Pooling-Modellen von Vorteil • Kenntnisse in Verfahren zur beschränkten oder Multi-Objective-Optimierung von Vorteil • Erfahrung mit Uplift-Modellierung und Methoden der kausalen Inferenz von Vorteil • Erfahrung mit Vertex AI oder vergleichbaren verwalteten Umgebungen für das ML-Training von Vorteil • Veröffentlichungen, Erfolge bei Modellierungswettbewerben oder Open-Source-Beiträge mit Bezug zu Machine Learning oder AdTech von Vorteil • 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 nichttechnischen Zielgruppen zu erläutern • Proaktive Arbeitsweise und ausgeprägtes Verantwortungsbewusstsein • Hohe Detailgenauigkeit und wissenschaftliche Sorgfalt 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 • Wissenstransfer und Zusammenarbeit mit dem internen Data-Science-Team des Kunden