Inserat online seit: 19 Juni
Aufgaben der Stelle
Salary: 60.000 - 85.000 € per year Requirements: Mehrere Jahre industrielle ML- und Data-Science-Erfahrung mit echten Projekten, realen Constraints und Stakeholdern Fundierte statistische Kenntnisse, die auch unter kritischer Nachfragen standhalten, einschließlich Verständnis von Unsicherheit, Konfidenzintervallen, p-Werten, Korrelationen und Hypothesentests Sehr sorgfältiger und kritischer Umgang mit eigenen Ergebnissen Reflex, Daten vor dem Modellieren zu prüfen, zu visualisieren und auf fehlende oder fehlerhafte Aspekte zu achten Sehr gute Python-Kenntnisse sowie Erfahrung mit dem üblichen Ökosystem, einschließlich scikit-learn, PyTorch oder TensorFlow, git und uv Sicherer Umgang mit Cloud-Umgebungen, in unserem Fall AWS, sowohl Server- als auch Serverless-Umgebungen Fähigkeit, technische Inhalte verständlich gegenüber Business-Stakeholdern zu vermitteln und Kundenorientierung Fließendes Englisch Responsibilities: Data-Science- und ML-Projekte end-to-end verantworten Probleme gemeinsam mit dem Kunden strukturieren und das passende Vorgehen sowie den Algorithmus auswählen Analysen durchführen und Ergebnisse bewerten Vor Stakeholdern präsentieren und erklären, was die Ergebnisse bedeuten und wie belastbar sie sind Mit unklaren, unvollständigen, verzerrten oder schwierigen Daten arbeiten und beurteilen, welche Fragestellungen beantwortbar sind Sicherstellen, dass unsere Kunden erfolgreich sind und Probleme konsequent bis zur Lösung verfolgen Technologies: AWS Cloud Data-Science Git PyTorch Python Serverless TensorFlow AI LESS More: Wir bei Spryfox entwickeln KI-Lösungen, die in der realen Welt bestehen, für Kunden aus Versicherung, Finanzwesen, Gesundheitswesen, Energie und Fertigung. Wir legen Wert auf gute Technik und saubere Data-Science-Arbeit, die auf fundiertem Verständnis basiert. Die Position ist als Senior Data Scientist gedacht, arbeitet vor Ort und bietet ein Gehalt von 60.000,00 € bis 85.000,00 € pro Jahr. Unser Auswahlprozess umfasst den Den, eine kurze praktische Aufgabe, mit der wir sehen, wie du über Daten und Unsicherheit denkst. last updated 25 week of 2026