Lead Machine Learning Engineer I, Lifetime Value

Lead Machine Learning Engineer I, Lifetime Value

Vollzeit 164000 - 205000 € / Jahr (geschätzt) Homeoffice möglich
Caret Holdings, Inc.

Auf einen Blick

  • Aufgaben: Entwickle und verbessere Systeme für die Modellierung des Kundenlebenszyklus.
  • Unternehmen: Innovatives Versicherungsunternehmen, das Technologie und Daten nutzt.
  • Vorteile: Wettbewerbsfähiges Gehalt, Boni, Aktienoptionen und flexible Arbeitsorte.
  • Weitere Informationen: Mentoring-Möglichkeiten und ein dynamisches Arbeitsumfeld.
  • Warum dieser Job: Gestalte die Zukunft der Versicherungsbranche mit modernster Machine Learning-Technologie.
  • Qualifikationen: 5 Jahre Erfahrung in der Entwicklung von ML-Systemen und starke Python-Kenntnisse.

Das prognostizierte Gehalt liegt zwischen 164000 - 205000 € pro Jahr.

Bei Root haben wir die Mission, das Leben unserer Kunden durch bessere Versicherungslösungen zu verbessern. Wir fordern uns selbst heraus, anders zu denken, um die Versicherung neu zu gestalten und sie intelligenter, gerechter und zu einem besseren Erlebnis für alle zu machen. Wir streben danach, die veraltete Versicherungsbranche "zu reparieren", indem wir Daten und Technologie auf innovative Weise nutzen. Wir glauben, dass wir in unseren Verpflichtungen zu Forschung, Experimentierung und disziplinierten datengestützten Entscheidungen standhaft sein müssen, um Produkte zu entwickeln, die unsere Kunden lieben.

Die Gelegenheit

Wir glauben, dass ein disruptives Versicherungsunternehmen ein prinzipienbasiertes quantitatives Framework als Grundlage haben muss. Bei Root sind wir dem rigorosen Aufbau und der effektiven Bereitstellung moderner statistischer Methoden des maschinellen Lernens für Probleme in der Versicherungsbranche verpflichtet. Root sucht einen Lead Machine Learning Engineer I, um die Systeme und Workflows zu entwickeln, die unser Ökosystem zur Modellierung des Kundenlebenszyklus antreiben.

In dieser Rolle werden Sie eng mit Datenwissenschaftlern, Ingenieuren und Geschäftsteams zusammenarbeiten, um skalierbare Systeme des maschinellen Lernens zu entwickeln, die entscheidungsrelevante Informationen in den Bereichen Marketing, Finanzen, Produkt und Kundenerfahrung unterstützen. Sie werden den Weg von der Experimentierung zur Produktion beschleunigen und gleichzeitig die Zuverlässigkeit und betriebliche Reife des ML-Ökosystems von Root verbessern.

Diese Rolle konzentriert sich auf den Aufbau der Infrastruktur, der Werkzeuge und der betrieblichen Muster, die es ermöglichen, dass Systeme des maschinellen Lernens zuverlässig in der Produktion skalieren. Sie werden die Grundlagen gestalten, die es statistischen Modellen, Simulationen und Prognosen ermöglichen, messbare Auswirkungen auf das Geschäft über die gesamte Organisation hinweg zu erzielen.

Der ideale Kandidat ist ein Maschinenlern-Ingenieur, der es genießt, hochwirksame Systeme zu entwickeln, die Arbeitsweise technischer Teams zu verbessern und sicherzustellen, dass maschinelles Lernen zuverlässig im großen Maßstab funktioniert.

Root ist ein Unternehmen, das "dort arbeitet, wo es am besten funktioniert", was bedeutet, dass wir Sie dabei unterstützen, an dem Ort zu arbeiten, der für Sie in den USA am besten geeignet ist.

Wie Sie einen Einfluss ausüben werden:

  • Entwickeln und verbessern Sie die Systeme, die die Modellierung des Kundenlebenszyklus antreiben, von der Entwicklung und Bereitstellung bis hin zur Überwachung und Produktionsunterstützung.
  • Arbeiten Sie mit Datenwissenschaftlern zusammen, um statistische Modelle, Simulationen und Prognose-Workflows zu produzieren, die die Entscheidungsfindung im gesamten Unternehmen unterstützen.
  • Beschleunigen Sie den Weg von der Forschung zur Produktion durch skalierbare Infrastruktur, zuverlässige Workflows und wiederverwendbare Werkzeuge.
  • Verbessern Sie die ML-Entwicklungserfahrung, indem Sie bessere betriebliche Muster entwickeln und produktionsbereite ML-Praktiken vorantreiben.
  • Entwickeln Sie Werkzeuge und Dienste, die Stakeholdern helfen, die Modellleistung zu bewerten, die geschäftlichen Auswirkungen zu verstehen und den Ausgaben der Modelle in der Produktion zu vertrauen.
  • Zusammenarbeit mit technischen und geschäftlichen Partnern zur Lösung von wertvollen Problemen und zur Verbesserung der Zuverlässigkeit und Skalierbarkeit von ML-Systemen.
  • Teilen Sie Best Practices durch Mentoring, Dokumentation und klare Kommunikation über technische Entscheidungen, Abwägungen und betriebliche Überlegungen.

Was Sie benötigen, um erfolgreich zu sein:

  • BS in Informatik, Statistik, Mathematik, Ingenieurwesen oder einem verwandten quantitativen Bereich.
  • 5 Jahre Erfahrung in der Gestaltung, dem Aufbau, der Bereitstellung und der Wartung von Systemen des maschinellen Lernens und ML-Modell-Pipelines in Zusammenarbeit mit Datenwissenschaftlern.
  • Starke Python- und Softwareengineering-Grundlagen, mit der Fähigkeit, wartbare ML-Systeme und produktionsreife Codes zu erstellen.
  • Erfahrung im Aufbau und Betrieb von Produktions-ML-Systemen, einschließlich Bereitstellung, Überwachung, Debugging und Workflow-Orchestrierung.
  • Fähigkeit, reproduzierbare Systeme mit klarer Herkunft, Versionierung und betrieblicher Sichtbarkeit über komplexe ML-Workflows zu entwerfen.
  • Komfort im Umgang mit ML-Systemen mit miteinander verbundenen Komponenten, simulationsgesteuerten Logiken und eingebetteten Geschäftsregeln.
  • Starkes Urteilsvermögen in Bezug auf Modellevaluation, Codequalität, Systemzuverlässigkeit und wartbare Ingenieurabwegungen.
  • Erfahrung mit cloudbasierten ML-Infrastrukturen und Datenplattformen wie AWS, GCP oder Azure.
  • Erfahrung mit Infrastruktur als Code, wie Terraform.
  • Klare Kommunikationsfähigkeiten und die Fähigkeit, technische Abwägungen sowohl technischen als auch nicht-technischen Zielgruppen zu erklären.

Schön zu haben:

  • MS oder PhD in Informatik, Statistik, Mathematik, Ingenieurwesen oder einem verwandten quantitativen Bereich.
  • Vertrautheit mit der Prognose des Kundenlebenszyklus, Simulations-Workflows oder der Analyse von Prognosen vs. Ist-Zahlen.
  • Erfahrung mit Versicherungen oder regulierten Finanzprodukten.
  • Einblick in ML- und Datentools, Orchestratoren und Plattformen wie MLflow, Airflow, Dagster, Snowflake, Databricks, dbt und Spark.
  • Erfahrung im Aufbau gemeinsamer ML-Infrastruktur, Entwicklerwerkzeuge oder wiederverwendbarer Systeme, die die Produktivität der Datenwissenschaft verbessern.

Zusätzliche Informationen: Im Rahmen des Interviewprozesses von Root bitten wir alle Kandidaten, während virtueller Interviews die Kamera einzuschalten. Dies hilft uns, eine persönlichere und ansprechendere Erfahrung sowohl für Sie als auch für unsere Interviewer zu schaffen. Das Einschalten der Kamera ist eine Standardanforderung für unseren Prozess und Teil dessen, wie wir die Eignung und den Kommunikationsstil bewerten, daher ist es erforderlich, um mit der Bewerbung eines jeden Bewerbers fortzufahren. Wenn Sie Bedenken haben, lassen Sie es uns bitte wissen, sobald Sie kontaktiert werden. Wir sprechen gerne darüber. Bitte beachten Sie unsere Datenschutzrichtlinie, die HIER verfügbar ist, um weitere Informationen darüber zu erhalten, wie wir Ihre persönlichen Daten verarbeiten. In Übereinstimmung mit dem Americans with Disabilities Act (ADA) und dem Civil Rights Act von 1964 ist es die Politik von Root, angemessene Vorkehrungen zu treffen, wenn dies von einem qualifizierten Bewerber oder Kandidaten mit einer Behinderung angefordert wird, es sei denn, eine solche Vorkehrung würde für Root eine unzumutbare Härte darstellen. Die Richtlinie bezüglich Anfragen nach angemessenen Vorkehrungen gilt für alle Aspekte des Einstellungsprozesses. Wenn eine angemessene Vorkehrung benötigt wird, wenden Sie sich bitte an recruiting@joinroot.com.

Lead Machine Learning Engineer I, Lifetime Value Arbeitgeber: Caret Holdings, Inc.

Root ist ein innovatives Unternehmen, das sich der Verbesserung des Lebens seiner Kunden durch intelligente Versicherungslösungen verschrieben hat. Mit einer flexiblen Arbeitskultur, die es den Mitarbeitern ermöglicht, von dem Ort aus zu arbeiten, der für sie am besten geeignet ist, fördert Root eine Umgebung, in der Kreativität und Zusammenarbeit gedeihen können. Zudem bietet das Unternehmen umfangreiche Möglichkeiten zur beruflichen Weiterentwicklung und ein wettbewerbsfähiges Gehalt, um sicherzustellen, dass jeder Mitarbeiter die Unterstützung erhält, die er benötigt, um erfolgreich zu sein.

Caret Holdings, Inc.

Kontaktdaten:

Caret Holdings, Inc. Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Lead Machine Learning Engineer I, Lifetime Value erhalten könnten

Wende dich an die richtigen Communities

Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.

Präsentiere deine Daten-Projekte

Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!

Nimm an Meetups und Hackathons teil

Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.

Direkte Bewerbungen über unsere Seite

Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Caret Holdings, Inc. zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Lead Machine Learning Engineer I, Lifetime Value mit Bravour zu bestehen

Maschinenlernen
Statistische Modellierung
Python
Software Engineering
Produktionssysteme für maschinelles Lernen
Überwachung und Debugging
Workflow-Orchestrierung

Einige Tipps für deine Bewerbung 🫡

Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.

Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!

Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!

Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Lead Machine Learning Engineer I, Lifetime Value bei Caret Holdings, Inc. gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Caret Holdings, Inc. vorbereitet

Bereite deine technischen Skills vor

In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!

Verschaffe dir einen Überblick über Projekte

Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!

Vorbereitung auf case studies

In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!

Zeige deine Leidenschaft für Daten

Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Caret Holdings, Inc. entscheidend sein!