Data Scientist

Stelle nicht auf LinkedIn

🔥 vor 9 Minuten

🇪🇺 Europa – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 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

Timeleft

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

Gegründet 2020

👥 B2C

🏨 Gastgewerbe

🏪 Marktplatz

💰 Seed im 2021-11

B2C • Hospitality • Marketplace

Timeleft ist eine verbraucherorientierte, mobil-fokussierte Plattform und App, die wöchentliche persönliche soziale Treffen organisiert - hauptsächlich Abendessen, Getränke und Läufe - bei denen Fremde in kleinen Gruppen zusammengebracht werden und alle logistischen Details (Ort, Gruppenzuweisung, Zeiten) so gehandhabt werden, dass die Nutzer einfach nur erscheinen müssen. Der Service legt Wert auf den Aufbau von Freundschaften durch kuratierte, sprach- und persönlichkeitsbewusste Gruppenzuweisungen, ist in über 200 Städten in 52 Ländern tätig und meldet über 3 Millionen Mitglieder mit Hunderten von Buchungen pro Tag. Timeleft richtet sich an Erwachsene (18+), die regelmäßige lokale soziale Erlebnisse ohne Profile, Swiping oder Planung suchen.

Beschreibung

• Entwicklung, Validierung und Bereitstellung produktiver ML-Modelle für Kaufneigung, Preis- und Rabattoptimierung, Personalisierung, Kundenabwanderung und Customer Lifetime Value (LTV) • Verantwortung für den gesamten ML-Lebenszyklus: Problemdefinition, Feature Engineering, Training, Evaluation, Deployment, Monitoring und erneutes Training • Konzeption und Bereitstellung eines personalisierten Rabattmodells für Paywall-Entscheidungen • Zusammenarbeit mit dem Product-Team bei A/B-Tests und der Konzeption von Holdout-Experimenten zum Nachweis eines kausalen Effekts • Aufbau von Messkonzepten für Preis- und Rabattentscheidungen • Einrichtung eines latenzarmen Model-Servings auf GCP mit Vertex-AI-Endpunkten, Cloud Run oder vergleichbaren Lösungen • Definition von Mustern für Feature-Pipelines über BigQuery/dbt und Echtzeitsysteme wie Pub/Sub hinweg • Einrichtung des Model-Monitorings für Drift, Aktualität und Vorhersagequalität • Zusammenarbeit mit Product, Engineering und Lifecycle Marketing, um Modelle als Produktfunktionen bereitzustellen • Übersetzung von Produktproblemen in Modellierungsaufgaben und von Modellausgaben in API-Verträge • Dokumentation von Übergaben, damit Engineering die Serving-Schicht langfristig übernehmen kann • Konzeption und Interpretation von Uplift- und Kausalmodellen sowie von Experimenten zur Messung inkrementeller Effekte auf Umsatz oder Kundenbindung • Etablierung eines wiederholbaren Leitfadens für die Überführung von Modellen in die Produktion

🎯 Anforderungen

• Sehr gute Python-Kenntnisse für Data Science und Machine Learning, einschließlich scikit-learn und XGBoost/LightGBM • Nachweisliche Erfahrung mit der Bereitstellung von Modellen in der Produktion, einschließlich mindestens eines Modells, das Live-Traffic verarbeitet • Praktische Erfahrung mit einer Cloud-ML-Plattform, idealerweise GCP (Vertex AI, BigQuery ML, Cloud Run/Functions), oder gleichwertige Erfahrung mit AWS/Azure • Fundierte SQL-Kenntnisse und Erfahrung mit einem Data Warehouse auf Basis von dbt/BigQuery • Grundlagen der Softwareentwicklung: Git, Code Reviews, Testing und CI/CD • Erfahrung mit Kausalinferenz, Uplift-Modelling oder angewandtem Experimentieren • 4–7 Jahre Berufserfahrung als Data Scientist oder ML Engineer, davon mindestens ein Modell, das eigenständig vom Prototyp bis in die produktive Umgebung überführt wurde • Quantitativer Hintergrund in Informatik, Statistik, Ingenieurwissenschaften oder vergleichbare praktische Erfahrung • Fließende Englischkenntnisse

🏖️ Vorteile

• In der Stellenausschreibung sind keine Zusatzleistungen, Benefits oder zusätzlichen Vergütungsbestandteile angegeben