Auf einen Blick
- Aufgaben: Entwickle und optimiere hybride Suchsysteme für Finanzdaten.
- Unternehmen: Innovatives Unternehmen im Bereich KI und Finanztechnologie.
- Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitszeiten und Entwicklungsmöglichkeiten.
- Weitere Informationen: Arbeiten in einem dynamischen Umfeld mit großem Wachstumspotenzial.
- Warum dieser Job: Gestalte die Zukunft der Finanzanalyse mit modernster ML-Technologie.
- Qualifikationen: Mindestens 5 Jahre Erfahrung in angewandtem ML und starken Python-Kenntnissen.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Wir suchen einen erfahrenen angewandten ML-Wissenschaftler, der unserem Team beitritt.
Standort: Helsinki Vor Ort (bevorzugt), Finnland & EU Remote / Hybrid
Die Gelegenheit
Comparables.ai baut die Intelligenzinfrastruktur für finanzielle Entscheidungsfindung auf. Wir betreiben einen Datensatz, der über 350 Millionen Unternehmen abdeckt und ermöglichen die Unternehmensentdeckung, Peer-Identifikation, Bewertungsbenchmarking und Marktforschungsabläufe. Die Qualität von Suche und Empfehlung ist zentral für unser Produkt.
Wir stellen einen Senior Applied ML Scientist ein, um hochleistungsfähige hybride Abruf- und Ranking-Systeme zu entwerfen, zu optimieren und zu skalieren.
Woran Sie arbeiten werden:
- Entwurf und Optimierung hybrider Suchsysteme, die Folgendes kombinieren:
- Lexikalische Abruf
- Dünne Darstellungen
- Dichte einbettungsbasierte Abruf
- Erstellung und Bereitstellung von LLM-basierten Abruf- und Ranking-Modellen.
- Feinabstimmung von Transformer- und LLM-Architekturen für:
- Abruf- und Ranking-Aufgaben
- Finanzdomänenanpassung
- Entwicklung neuartiger LLM-basierter Abruf- und Rankingansätze, über Standard-Einbettungen hinaus.
- Entwurf von Empfehlungsstrategien für:
- Unternehmensähnlichkeit
- Bewertungsvergleiche
- Branchenbenchmarking
- Marktintelligenzabläufe
- Verbesserung von Einbettungsdarstellungen für strukturierte und unstrukturierte Finanzdaten.
- Definition und Optimierung von Relevanzmetriken, die direkt mit den Produkteergebnissen verbunden sind.
- Durchführung strukturierter Offline-Bewertungen und Online-Experimente.
- Balance zwischen Qualität, Latenz und Kosten in großangelegten Produktionssystemen.
- Enge Zusammenarbeit mit Backend- und KI-Ingenieuren, um Modelle zuverlässig zu produzieren.
Was wir suchen:
- Über 5 Jahre Erfahrung in angewandtem ML in Produktionssuche, Ranking oder Empfehlungssystemen.
- Starke Expertise in:
- Hybriden Abrufarchitekturen
- Dünnen und dichten Abrufsystemen
- Transformer-basierten und LLM-basierten Abruf- und Ranking-Aufgaben
- Feinabstimmung von LLMs für Abruf- und Ranking-Aufgaben
- Erfahrung im Aufbau oder in der Anpassung von LLMs für domänenspezifische Anwendungen.
- Erfahrung mit großangelegten Textdatensätzen.
- Starke Python-Kenntnisse und praktische Erfahrung mit PyTorch, HuggingFace, Sentence-Transformers, PEFT (LoRA), Tevatron, FlagEmbedding.
- Nachweisliche Erfahrung im Versand von ML-Systemen, die sich auf benutzerorientierte Metriken auswirken.
- Solides Verständnis der Systembeschränkungen:
- Skalierbarkeit
- Indexierungsstrategien
- Inference-Latenz
- Kostenoptimierung
Starkes Plus:
- Erfahrung in finanziellen oder strukturierten Wissensdomänen.
- Erfahrung mit Elasticsearch und Vektordatenbanken (Weaviate, Milvus, Pinecone, Vespa).
- Erfahrung im Aufbau benutzerdefinierter Cross-Encoders oder Re-Ranking-Modelle.
- Erfahrung in der Durchführung großangelegter A/B-Experimente.
Warum diese Rolle wichtig ist:
Die Qualität von Suche und Empfehlung bestimmt direkt den Wert unseres Produkts. Sie werden gestalten, wie Finanzfachleute Unternehmen entdecken, Bewertungen benchmarken und Märkte analysieren – in globalem Maßstab.
Massiver proprietärer Datensatz (über 350 Millionen Unternehmen)
Hochwirksame ML-Probleme in einer realen Finanzdomäne
Starke technische Verantwortung
Starke Wachstumschance in einem schnell wachsenden AI SaaS-Unternehmen.
Bereit zu bewerben? Senden Sie Ihren Lebenslauf und eine kurze Einführung, in der Sie uns mitteilen, warum Sie sich für diese Rolle begeistern.
Senior Applied ML Scientist – Search & Recommendation Arbeitgeber: Comparables
Comparables.ai ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, an hochmodernen ML-Projekten im Finanzbereich zu arbeiten. Mit einem starken Fokus auf Teamarbeit und Innovation in einer dynamischen Umgebung in Helsinki oder remote in der EU, fördert das Unternehmen eine Kultur des kontinuierlichen Lernens und der persönlichen Entwicklung. Die Mitarbeiter profitieren von einem umfangreichen Datensatz, der spannende Herausforderungen und bedeutende Wachstumschancen in einem schnell wachsenden AI SaaS-Unternehmen bietet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Applied ML Scientist – Search & Recommendation erhalten könnten
✨Netzwerken, Netzwerken, Netzwerken!
Nutze LinkedIn und andere Plattformen, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach informellen Gesprächen oder Mentoring – oft sind es persönliche Verbindungen, die dir den Zugang zu spannenden Stellen ermöglichen.
✨Sei proaktiv!
Warte nicht darauf, dass Stellenanzeigen veröffentlicht werden. Recherchiere Unternehmen, die dich interessieren, und kontaktiere sie direkt. Zeig dein Interesse und teile, wie du ihre ML-Projekte unterstützen kannst.
✨Bereite dich auf technische Interviews vor!
Mach dich mit typischen Fragen und Aufgaben vertraut, die in technischen Interviews für ML-Positionen gestellt werden. Übe das Lösen von Problemen und erkläre deine Denkweise – das zeigt, dass du nicht nur die Theorie beherrschst, sondern auch praktisch anwenden kannst.
✨Bewirb dich über unsere Website!
Wenn du denkst, dass du gut zu uns passt, zögere nicht, dich über unsere Website zu bewerben. Wir suchen leidenschaftliche Talente, die bereit sind, die Qualität unserer Such- und Empfehlungssysteme zu verbessern!
Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Applied ML Scientist – Search & Recommendation mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei du selbst!:Wenn du dich bewirbst, zeig uns, wer du wirklich bist! Lass deine Persönlichkeit durchscheinen und erzähl uns, warum du für die Rolle als Senior Applied ML Scientist brennst. Wir lieben es, wenn Bewerbungen authentisch sind!
Mach es konkret!:Verwende konkrete Beispiele aus deiner bisherigen Erfahrung, um zu zeigen, wie du die Anforderungen der Stelle erfüllst. Erzähl uns von Projekten, an denen du gearbeitet hast, und wie du ML-Systeme erfolgreich implementiert hast. Das macht einen großen Unterschied!
Klarheit ist König!:Achte darauf, dass deine Bewerbung klar und strukturiert ist. Verwende Absätze und Aufzählungen, um deine Punkte hervorzuheben. Wir schätzen eine gut lesbare Bewerbung, die schnell auf den Punkt kommt!
Bewirb dich über unsere Website!:Vergiss nicht, dich direkt über unsere Website zu bewerben! So stellst du sicher, dass deine Bewerbung an die richtige Stelle gelangt und wir sie schnell bearbeiten können. Wir freuen uns darauf, von dir zu hören!
Wie man sich auf ein Vorstellungsgespräch bei Comparables vorbereitet
✨Verstehe die Technologien
Mach dich mit den Technologien und Tools vertraut, die in der Stellenbeschreibung erwähnt werden, wie z.B. PyTorch, HuggingFace und Elasticsearch. Zeige im Interview, dass du nicht nur theoretisches Wissen hast, sondern auch praktische Erfahrungen mit diesen Technologien.
✨Bereite konkrete Beispiele vor
Denke an spezifische Projekte oder Herausforderungen, die du in der Vergangenheit gemeistert hast, insbesondere im Bereich ML-Systeme. Bereite dich darauf vor, diese Beispiele zu erläutern und zu zeigen, wie sie zur Verbesserung von Such- und Empfehlungssystemen beigetragen haben.
✨Kenntnis der Finanzbranche
Da die Rolle stark auf den Finanzbereich fokussiert ist, solltest du dir grundlegendes Wissen über Finanzdaten und -analysen aneignen. Zeige im Interview, dass du verstehst, wie ML in diesem Kontext angewendet wird und welche Herausforderungen es gibt.
✨Fragen stellen
Bereite einige durchdachte Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse an der Position und hilft dir, mehr über die Unternehmenskultur und die Erwartungen an die Rolle zu erfahren. Fragen zu Teamdynamik oder aktuellen Projekten sind immer gut!
