Auf einen Blick
- Aufgaben: Entwickle herausfordernde Probleme für KI-gestützte wissenschaftliche Forschung.
- Unternehmen: Innovatives Unternehmen, das an der Spitze der KI-Forschung steht.
- Vorteile: Flexible Arbeitszeiten, spannende Projekte und die Möglichkeit zur persönlichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Team mit Raum für kreative Problemlösungen.
- Warum dieser Job: Gestalte die Zukunft der KI und löse komplexe wissenschaftliche Herausforderungen.
- Qualifikationen: Abschluss in Statistik oder angewandter Mathematik und Erfahrung mit spezialisierten Softwarepaketen.
Das prognostizierte Gehalt liegt zwischen 61650 - 75350 € pro Jahr.
Über das Projekt
Wir bauen einen großangelegten Benchmark, um zu testen, wie gut fortschrittliche KI-Systeme schwierige wissenschaftliche und ingenieurtechnische Probleme lösen können. Als Aufgabendesigner werden Sie herausfordernde rechnerische Probleme erstellen, die überprüfen, ob KI in der Lage ist, echte wissenschaftliche Software für Forschungsarbeiten zu nutzen — Simulationen durchzuführen, Ergebnisse zu interpretieren, Experimente zu entwerfen und verborgene Informationen aus Daten zu entdecken. Dies ist kein typischer Datenkennzeichnungsjob. Sie werden originale, auf realen wissenschaftlichen Arbeitsabläufen basierende Probleme entwerfen, diese gegen modernste KI-Modelle testen und sie so lange verfeinern, bis der Schwierigkeitsgrad genau stimmt.
Was Sie tun werden
- Sie erstellen Probleme, die den geschickten Einsatz spezialisierter statistischer, mathematischer oder wissenschaftlicher Softwarepakete erfordern.
- Einige werden die KI auffordern, reproduzierbare numerische Antworten aus einem vollständig definierten Setup zu berechnen — dabei wird getestet, ob sie komplexe, mehrstufige Arbeitsabläufe korrekt durchführen kann.
- Andere werden schwieriger sein: Die KI muss eine Reihe von Abfragen oder Experimenten planen, um Informationen zu entdecken, die nicht direkt sichtbar sind, was bedeutet, strategisch darüber nachzudenken, was gemessen werden soll, wie man teilweise Ergebnisse liest und wie man die Möglichkeiten effizient eingrenzt.
- Jedes Problem durchläuft eine Testschleife gegen modernste KI-Modelle, und Sie werden es verfeinern, bis es den Zielschwierigkeitsgrad erreicht.
Bereiche & Werkzeuge, für die wir einstellen
Wir begrüßen Statistiker und angewandte Mathematiker, die in einer Vielzahl von Spezialisierungen arbeiten. Sie müssen nicht mit jedem unten aufgeführten Paket Erfahrung haben; starke Fachkenntnisse in einem oder mehreren spezialisierten Rechenpaketen sind ausreichend. Wir sind besonders an Experten mit tiefgehender, praktischer Erfahrung in der Verwendung eines oder mehrerer spezialisierter R- oder Python-Pakete interessiert, einschließlich Beispielen wie:
- Bayesianische Statistik: rstan, cmdstanr, rjags, runjags, brms, rstanarm, nimble, bayesplot, posterior, loo
- Item-Response-Theorie und Psychometrie: TAM, sirt, mirt, mirtCAT, eRm, ltm, lordif, psych
- Strukturelle Gleichungs- und latente Variablenmodellierung: lavaan, semTools, OpenMx
- Topologische Datenanalyse: TDAstats, TDApplied
- Differentialgleichungen und dynamische Systeme: deSolve, pomp, FME
- Zustandsraum- und Zeitreihenmodellierung: KFAS, MARSS, forecast, vars, urca, rugarch, rmgarch, tseries, timeSeries
- Überlebens- und Ereignisgeschichtsanalysen: survival, flexsurv, timereg, mets
- Gemischte, additive und fortgeschrittene Regressionsmodelle: lme4, nlme, mgcv, glmmTMB, TMB, quantreg, scam
- Räumliche Statistik und Geostatistik: spatstat, spatstat.geom, spatstat.linnet, spdep, gstat, geoR, spBayes, sf, stars, terra, lwgeom
- Statistisches Lernen und spezialisierte Modellierung: mclust, kernlab, earth, pROC, multcomp, sandwich, effectsize, irr
- Optimierung und mathematische Programmierung: lpSolve, linprog, nloptr, DEoptimR, SQUAREM
- Numerische lineare Algebra und hochpräzise Berechnung: RSpectra, Rmpfr, gmp, pracma
- Computational Geometry: geometry, deldir, polyclip
Andere ähnliche spezialisierte statistische, mathematische, wissenschaftliche oder domänenspezifische R-Pakete werden ebenfalls berücksichtigt. Andere ähnliche spezialisierte statistische oder mathematische Python/Scilab-Pakete sind ebenfalls willkommen, wie statsmodels und PyMC. Numerische Berechnungen und wissenschaftliche Modellierung in Matlab/Scilab sind ebenfalls gewünscht.
Was einen starken Kandidaten ausmacht
- Sie haben eine Ausbildung auf Graduiertenebene (MS oder PhD erforderlich; PhD bevorzugt oder MS mit über 10 Jahren relevanter Erfahrung) in Statistik, angewandter Mathematik oder einem eng verwandten quantitativen Bereich, mit praktischer Erfahrung in der Verwendung spezialisierter Rechenpakete — nicht nur theoretisches Wissen.
- Sie haben Code geschrieben, der eines oder mehrerer spezialisierter statistischer, mathematischer oder wissenschaftlicher Pakete verwendet, um tatsächliche Forschungs- oder Berufsprobleme zu lösen, und Sie verstehen, wo diese Werkzeuge versagen, was ihre Randfälle sind und was ein Problem wirklich schwierig macht, anstatt nur kompliziert.
- Tiefe Fachkenntnisse in einem oder mehreren spezialisierten Rechenpaketen sind wichtiger als Vertrautheit mit der gesamten oben genannten Paketliste.
- Über die Fachkenntnis hinaus denken die besten Kandidaten wie Puzzle-Designer: Sie erstellen Probleme, bei denen die Herausforderung aus klugem Denken und nicht aus reiner Berechnung resultiert, bei denen mehrere Ansätze plausibel erscheinen, aber nur sorgfältige Analyse die richtige Lösung offenbart, und bei denen oberflächliches Mustererkennen nicht zur Antwort führt.
Anforderungen
- Ausbildung auf Graduiertenebene in Statistik, angewandter Mathematik, einem relevanten STEM-Feld oder gleichwertige Forschungserfahrung
- Nachgewiesene Kompetenz in mindestens einem spezialisierten statistischen, mathematischen oder wissenschaftlichen Softwarepaket, nachgewiesen durch Forschungsarbeiten, Open-Source-Beiträge oder berufliche Tätigkeiten
- Starke Python-Kenntnisse — Sie werden Problemstellungen, Oracle-Funktionen und Lösungsvalidierer schreiben
- Fähigkeit, unabhängig zu arbeiten und Problemdesigns basierend auf Feedback zu verfeinern
- Komfortable Arbeit in einer Linux-/Terminalumgebung mit Remote-Compute-Sandboxes
- Verfügbarkeit für mindestens 15–20 Stunden pro Woche
Schön zu haben
- Erfahrung in mehreren Rechenbereichen oder spezialisierten Softwarepaketen
- Vertrautheit mit Benchmark- oder Evaluationsdesign
- Hintergrund in wissenschaftlichem Unterricht oder Prüfungs-/Problemset-Design
- Erfahrung mit rechnerischer Reproduzierbarkeit und containerisierten Umgebungen
Wir betrachten alle qualifizierten Bewerber ohne Rücksicht auf gesetzlich geschützte Merkmale und bieten auf Anfrage angemessene Unterkünfte an.
Computational Statistics and Applied Mathematics Expert (R, Pyth Arbeitgeber: aitrainer
Mercor bietet eine herausragende Arbeitsumgebung für talentierte Sprachprofis, die an einem bedeutenden KI-Forschungsprojekt mitwirken möchten. Unsere flexible Arbeitskultur fördert kreatives Denken und ermöglicht es den Mitarbeitern, ihre Fähigkeiten in einem dynamischen Team weiterzuentwickeln. Zudem profitieren Sie von der Möglichkeit, Ihre Expertise in einem internationalen Kontext einzubringen und dabei wertvolle Erfahrungen zu sammeln.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Computational Statistics and Applied Mathematics Expert (R, Pyth erhalten könntest
✨Nutzerforschung und Community-Engagement!
Schau dir die neuesten Trends und Themen in der Data-Science-Community an. Tritt Online-Foren und sozialen Netzwerken bei, wie zum Beispiel Kaggle oder GitHub, wo du deine Projekte teilen und dich mit anderen Fachleuten vernetzen kannst. So machst du dich sichtbar und lernst auch gleich von den Besten.
✨Master die Kunst der Datenvisualisierung!
Gerade bei Teilzeit-Stellen im Bereich Data Science kann eine gute Datenvisualisierung Wunder wirken. Erstelle ein paar interessante Visualisierungen für deine Projekte und präsentiere diese in deinem Portfolio. Das zeigt potenziellen Arbeitgebern, dass du nicht nur mit Zahlen hantieren kannst, sondern auch Geschichten daraus erzählst.
✨Nutzung von Universitätsressourcen!
Nutze die Karrierezentren an deiner Uni, um an speziellen Jobmessen teilzunehmen oder Workshops zur Bewerbung und Interviewvorbereitung zu nutzen. Viele Unternehmen suchen händeringend nach talentierten Teilzeitkräften und sind bereit, mit Dir zusammenzuarbeiten, besonders, wenn du die richtigen Kontakte knüpfst.
✨Bewirb dich direkt über unsere Webseite!
Wenn du unsere Stelle als Teilzeit-Data-Scientist bei aitrainer suchst, schau dir unbedingt unsere Karriereseite an. Dort findest du nicht nur die neuesten Stellenangebote, sondern kannst auch direkt deine Bewerbung einreichen. Wir freuen uns darauf, von dir zu hören!
Wir glauben, dass du diese Fähigkeiten brauchst, um Computational Statistics and Applied Mathematics Expert (R, Pyth mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Zeig deine Projekte!:Im Bereich Data Science ist es super wichtig, deine praktischen Fähigkeiten zu zeigen. Füge Links zu deinen GitHub-Repositories oder zu Projekten hinzu, an denen du gearbeitet hast. Das hilft uns, deinen Ansatz und deine Problemlösungsfähigkeiten zu verstehen!
Statistik und Tools im Lebenslauf:Achte darauf, relevante Tools und Programmiersprachen wie Python, R oder SQL in deinem Lebenslauf aufzuführen. Zeig auf, wie du diese Skills in der Vergangenheit angewendet hast, und unterstreiche deine Erfahrung mit Statistik und Datenanalyse – das sind echte Pluspunkte für uns bei aitrainer!
Motivation und Lernbereitschaft:Da es sich um eine Teilzeitstelle handelt, ist es wichtig, dass du uns in deinem Anschreiben zeigst, wie motiviert du bist und was du aus dieser Rolle lernen möchtest. Erkläre, warum du ein Teil von aitrainer sein möchtest und was du hoffst, in dieser Position zu erreichen.
Flexibilität und Verfügbarkeit:In einem Teilzeitjob ist es super, wenn du deine Flexibilität erwähnst. Teile uns mit, wann du verfügbar bist und wie viele Stunden du in der Woche arbeiten kannst. Das gibt uns einen klaren Eindruck davon, wie du in unser Team integriert werden kannst!
Wie man sich auf ein Vorstellungsgespräch bei aitrainer vorbereitet
✨Datenanalyse meistern
Stell sicher, dass du gut im Umgang mit Datenanalysetools wie Python, R oder SQL bist. Bei einem Job im Bereich Data Science ist es üblich, dass sie dir während des Interviews technische Fragen zu Datensätzen und Modellierung stellen. Mache dich mit gängigen Algorithmen und Techniken vertraut!
✨Portfolio bereitstellen
Da es sich um eine Teilzeitstelle handelt, wird dein Portfolio eine entscheidende Rolle spielen. Zeig konkrete Projekte, an denen du gearbeitet hast, und wie du dabei Probleme gelöst hast. Zeige Ergebnisse und Lernkurven, um dein Potenzial zu verdeutlichen!
✨Statistiken sind dein Freund
Bereite dich darauf vor, Fragen zu statistischen Methoden zu beantworten. Du solltest in der Lage sein, zu erklären, wie du Hypothesen testest oder welche Metriken du zur Bewertung von Modellen verwendest. Dies zeigt dein Verständnis von Datenanalyse und Statistiken, die in Data Science unerlässlich sind!
✨Soziales Engagement
Im Gespräch mit aitrainer solltest du auch deine Motivation zur Teilzeitarbeit ansprechen. Datenwissenschaftler arbeiten häufig im Team, deshalb ist es wichtig zu zeigen, dass du nicht nur technische Fähigkeiten hast, sondern auch gut im Teamarbeit bist und damit umgehen kannst, wie du deine Zeit effektiv verwaltest!
