Senior Machine-Learning-Ingenieur (AdTech)

🔥 vor 41 Minuten

🌐 Deutschland, Polen – Remote

🇩🇪 Deutschland – Remote 🇵🇱 Polen – Remote

⏰ Vollzeit

🟠 Senior

🤖 Machine-Learning-Entwickler

👻 Geisterscore 10%

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 Validierung prädiktiver Modelle, einschließlich zensierter Bid-Landscape-Modellierung, kontextbezogener Übergewichtung, Vorhersage der Conversion-Wahrscheinlichkeit mit verzögerten Labels und Positive-Unlabeled Learning • Konzeption und Implementierung von Offline-Evaluierungsframeworks mithilfe von Inverse Propensity Scoring und Doubly-Robust Estimators auf Basis protokollierter Entscheidungen • Definition von Explorationsstrategien und Ansätzen zur Propensity-Protokollierung • Kalibrierung und Optimierung von Modellen für einzelne Werbetreibende sowie Überwachung der Ranking- und Kalibrierungsqualität • Entwicklung und Betrieb skalierbarer Orchestrierungs-Pipelines für das Training mit stündlichen, täglichen und wöchentlichen Zeitplänen • Aufbau und Pflege von Workflows für die Model Registry mit Lineage-Tracking, Evaluierungs-Gates und revisionssicheren Freigabeprozessen • Implementierung isolierter, werbetreibendenspezifischer Modellinstanzen mit dedizierter Konfiguration und getrennter Namespace-Struktur • Verantwortung für Model-Publishing-Pipelines unter Einhaltung der Freshness-SLOs sowie mit dokumentierten Fallback-Verfahren • Durchführung von Shadow Deployments und Champion-Challenger-Experimenten mit produktionsreifen Mess- und Protokollierungsprozessen • Überwachung von Feature Drift, Prediction Drift, Train/Serve Skew, nachlassender Kalibrierung und Label-Latenz • Sicherstellung der Reproduzierbarkeit durch festgeschriebene Umgebungen, containerisierte Builds und reproduzierbare Daten-Snapshots • Mitwirkung an Optimierungszyklen nach dem Launch und Bewertung der Geschäftsauswirkungen anhand statistisch fundierter Lift-Messungen • Erstellung technischer Dokumentationen und Unterstützung des Wissenstransfers an die Engineering- und Data-Teams des Kunden

🎯 Anforderungen

• Mindestens 6 Jahre kombinierte Berufserfahrung in Data Science und ML Engineering, davon mindestens 2 Jahre in jedem Bereich • Ausgeprägte Praxiserfahrung mit produktiven Machine-Learning-Systemen und nachweisbarem geschäftlichem Nutzen • Tiefgehende Kenntnisse in Data Science bzw. ML Engineering sowie fundierte praktische Kompetenz im jeweils anderen Bereich • Umfassende praktische Erfahrung mit Gradient-Boosted Trees wie XGBoost, LightGBM oder CatBoost • Fortgeschrittene Kenntnisse in mindestens einem der folgenden Bereiche: verzögerte Labels, PU Learning, Off-Policy-Evaluierung, hierarchische Schätzung oder Optimierung unter Nebenbedingungen • Python auf Produktionsniveau und sehr gute SQL-Kenntnisse • Praktische Erfahrung mit ML-Orchestrierung, CI/CD-Pipelines und der Verwaltung von Model Registries • Praktische Erfahrung mit Kubernetes und Docker in produktiven Umgebungen • Ausgeprägte Fähigkeiten in den Bereichen Experimentdesign und Evaluierung, einschließlich der statistischen Interpretation von Ergebnissen • Bereitschaft zur Übernahme operativer Verantwortung und zur Teilnahme an Rufbereitschaften • Englischkenntnisse auf mindestens gehobenem Mittelstufenniveau

🏖️ Vorteile

• Vollständig remote • Flexible Möglichkeiten zur Zusammenarbeit in verteilten Teams • Möglichkeit zur Teilnahme an Rufbereitschaften und zur Übernahme operativer Verantwortung