Auf einen Blick
- Aufgaben: Entwickle und implementiere ML-Modelle für präzise Vorhersagen im Gesundheitswesen.
- Unternehmen: Innovatives Unternehmen im Gesundheitssektor mit Fokus auf maschinelles Lernen.
- Vorteile: Wettbewerbsfähige Vergütung, flexible Remote-Arbeit und echte Auswirkungen auf das Gesundheitswesen.
- Weitere Informationen: Dynamisches Umfeld mit Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Gestalte datengestützte Entscheidungen und arbeite an bedeutenden KI-Anwendungen.
- Qualifikationen: 4+ Jahre Erfahrung in ML und starke Kenntnisse in Zeitreihenanalysen.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Wir suchen derzeit einen ML Engineer (Forecasting) in Deutschland. Diese Rolle bietet die Möglichkeit, an hochwirksamen Prognosesystemen zu arbeiten, die direkt die betriebliche Effizienz in einem großen Gesundheitsumfeld beeinflussen. Sie werden maschinelle Lernmodelle entwerfen und implementieren, die die Nachfrage vorhersagen, die Personalplanung optimieren und die Ressourcenzuteilung in klinischen und marketingbezogenen Abläufen verbessern.
In einem schnelllebigen, projektgetriebenen Umfeld werden Sie dazu beitragen, skalierbare, produktionsbereite ML-Lösungen von der frühen Entdeckung bis zur Bereitstellung aufzubauen. Die Position erfordert enge Zusammenarbeit mit Daten-, Produkt- und Cloud-Engineering-Teams, um komplexe Gesundheitsdatensätze in umsetzbare Erkenntnisse zu transformieren. Mit einem starken Fokus auf Zeitreihenprognosen und angewandtes maschinelles Lernen werden Sie helfen, datengestützte Entscheidungsprozesse zu gestalten, die reale Auswirkungen haben.
Dies ist eine hervorragende Gelegenheit für einen ML Engineer, der End-to-End-Verantwortung, angewandte Forschung und den Aufbau produktionsfähiger Prognosesysteme schätzt.
Verantwortlichkeiten:- Entwurf, Entwicklung und Bereitstellung von maschinellen Lernmodellen mit Fokus auf Zeitreihenprognosen und Nachfragevorhersage.
- Aufbau skalierbarer Datenpipelines und ML-Workflows unter Verwendung von Cloud-Plattformen wie AWS, GCP oder Azure.
- Entwicklung und Optimierung von Prognosemodellen einschließlich ARIMA/SARIMA, Prophet, LSTM und anderen fortgeschrittenen prädiktiven Ansätzen.
- Datenvorverarbeitung, Merkmalsengineering und explorative Analyse komplexer Gesundheits- und Betriebsdatensätze durchführen.
- Zusammenarbeit mit funktionsübergreifenden Teams, einschließlich Dateningenieuren, Produktmanagern und Cloud-Spezialisten, um robuste Lösungen zu liefern.
- Teilnahme am gesamten Projektlebenszyklus, von der Problemdefinition und dem Proof of Concept bis hin zur Produktionsbereitstellung und Präsentation vor Stakeholdern.
- Sicherstellung der Zuverlässigkeit, Skalierbarkeit und Leistung von Modellen in Produktionsumgebungen.
- Kontinuierliche Bewertung und Verbesserung der Prognosegenauigkeit unter Verwendung geeigneter Metriken und Validierungstechniken.
- 4+ Jahre Erfahrung in den Bereichen Maschinelles Lernen, Datenwissenschaft oder angewandte KI.
- Starke Expertise in Techniken und Modellen zur Zeitreihenprognose wie ARIMA, Prophet, LSTM oder gleichwertige Ansätze.
- Fortgeschrittene Python-Programmierkenntnisse mit Erfahrung in Bibliotheken wie Pandas, NumPy, scikit-learn und PyTorch.
- Praktische Erfahrung in der Bereitstellung von maschinellen Lernmodellen in Produktionsumgebungen.
- Solides Verständnis von Datenvorverarbeitung, Merkmalsengineering und statistischer Modellierung für Zeitreihendaten.
- Erfahrung mit Cloud-Plattformen wie AWS, GCP oder Azure.
- Starkes Wissen in SQL und Versionskontrollsystemen wie Git.
- Fähigkeit, unabhängig in unklaren Umgebungen zu arbeiten, mit starken Problemlösungs- und analytischen Denkfähigkeiten.
- Exzellente Kommunikationsfähigkeiten mit der Fähigkeit, technische Konzepte sowohl technischen als auch nicht-technischen Stakeholdern zu erklären.
- Fortgeschrittene Englischkenntnisse erforderlich.
- Wettbewerbsfähige, vertragsbasierte Vergütung, die an Erfahrung und Projektumfang angepasst ist.
- Vollständig remote Arbeitsanordnung in ganz Europa, einschließlich des Vereinigten Königreichs.
- Gelegenheit, an realen Gesundheitsprognosesystemen mit messbarem operativen Einfluss zu arbeiten.
- Einblick in den gesamten Lebenszyklus des maschinellen Lernens, von der Forschung bis zur Produktionsbereitstellung.
- Zusammenarbeit mit erfahrenen Ingenieuren und Datenfachleuten in einem hochwirksamen Umfeld.
- Praktische Erfahrung mit modernen ML-Stacks und cloud-nativen Technologien.
- Flexible Engagementstruktur mit Potenzial für Verlängerungen über die ursprüngliche Projektdauer hinaus.
- Gelegenheit, zu bedeutenden KI-Anwendungen im Gesundheitswesen und der Optimierung von Betriebsabläufen beizutragen.
ML Engineer (Forecasting) | NDA Arbeitgeber: Jobgether
Als Arbeitgeber bieten wir Ihnen die Möglichkeit, in einem dynamischen und innovativen Umfeld zu arbeiten, das sich auf die Entwicklung von hochwirksamen Prognosesystemen im Gesundheitswesen konzentriert. Unsere Unternehmenskultur fördert Zusammenarbeit und kontinuierliches Lernen, während Sie an realen Projekten arbeiten, die einen direkten Einfluss auf die Effizienz der Betriebsabläufe haben. Mit flexiblen Arbeitsmodellen und der Chance, Ihre Fähigkeiten in einem internationalen Team weiterzuentwickeln, sind wir der ideale Arbeitgeber für ML-Ingenieure, die eine sinnvolle und herausfordernde Karriere anstreben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so ML Engineer (Forecasting) | NDA erhalten könnten
✨Tipp Nummer 1
Nutze dein Netzwerk! Sprich mit Leuten, die in der Branche arbeiten oder bereits bei dem Unternehmen sind, für das du dich interessierst. Oft können persönliche Empfehlungen den Unterschied machen und dir einen Fuß in die Tür verschaffen.
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Da du als ML Engineer arbeitest, solltest du deine Kenntnisse in Zeitreihenprognosen und gängigen Modellen wie ARIMA oder LSTM auffrischen. Übe auch, wie du deine Lösungen klar und verständlich präsentieren kannst.
✨Tipp Nummer 3
Sei proaktiv! Wenn du eine interessante Stelle siehst, zögere nicht, dich direkt über unsere Website zu bewerben. Zeige dein Interesse und deine Motivation, indem du ein paar Worte über deine Leidenschaft für maschinelles Lernen und dessen Anwendung im Gesundheitswesen hinzufügst.
✨Tipp Nummer 4
Bleib flexibel und offen für Feedback! Während des Bewerbungsprozesses kann es hilfreich sein, konstruktive Kritik anzunehmen und deine Ansätze gegebenenfalls anzupassen. Das zeigt, dass du lernfähig bist und dich weiterentwickeln möchtest.
Wir glauben, dass du diese Fähigkeiten brauchst, um ML Engineer (Forecasting) | NDA mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach es persönlich!:Zeig uns, wer du bist! Verwende in deinem Anschreiben eine persönliche Ansprache und erzähle uns, warum du dich für die Position als ML Engineer interessierst. Das macht deine Bewerbung einzigartig und hebt dich von anderen ab.
Betone deine Erfahrungen:Stell sicher, dass du deine relevanten Erfahrungen im Bereich Machine Learning und Zeitreihenprognosen klar hervorhebst. Zeig uns, welche Modelle du bereits entwickelt hast und wie du sie in der Praxis eingesetzt hast. Das gibt uns einen guten Eindruck von deinem Können!
Sei konkret:Vermeide allgemeine Floskeln und sei konkret in deinen Aussagen. Wenn du über deine Fähigkeiten sprichst, nenne spezifische Projekte oder Technologien, mit denen du gearbeitet hast. Das zeigt uns, dass du genau weißt, wovon du sprichst.
Bewirb dich über unsere Website:Wir empfehlen dir, dich direkt über unsere Website zu bewerben. So stellst du sicher, dass deine Bewerbung schnell und effizient bearbeitet wird. Außerdem kannst du sicher sein, dass wir alle Informationen haben, die wir brauchen, um dich bestmöglich zu unterstützen.
Wie man sich auf ein Vorstellungsgespräch bei Jobgether vorbereitet
✨Verstehe die Anforderungen
Mach dich mit den spezifischen Anforderungen der Stelle als ML Engineer (Forecasting) vertraut. Lies die Jobbeschreibung gründlich durch und notiere dir, welche Fähigkeiten und Erfahrungen besonders betont werden, wie z.B. Zeitreihenprognosen oder Cloud-Plattformen.
✨Bereite konkrete Beispiele vor
Überlege dir konkrete Projekte oder Erfahrungen, die deine Fähigkeiten in der Entwicklung und Implementierung von ML-Modellen zeigen. Sei bereit, über Herausforderungen zu sprechen, die du gemeistert hast, und wie deine Lösungen einen positiven Einfluss auf das Ergebnis hatten.
✨Technische Kenntnisse auffrischen
Stelle sicher, dass du mit den relevanten Technologien und Tools, die in der Stellenbeschreibung erwähnt werden, vertraut bist. Übe den Umgang mit Python-Bibliotheken wie Pandas und scikit-learn sowie mit Zeitreihenmodellen wie ARIMA oder LSTM, um dein Wissen aufzufrischen.
✨Kommunikationsfähigkeiten stärken
Da du mit verschiedenen Teams zusammenarbeiten wirst, ist es wichtig, technische Konzepte klar und verständlich zu erklären. Übe, komplexe Ideen einfach zu kommunizieren, damit du sowohl technische als auch nicht-technische Stakeholder überzeugen kannst.
