Auf einen Blick
- Aufgaben: Leiten Sie die Entwicklung von ML-Modellen für das Gesundheitsrisiko und die Finanzunterzeichnung.
- Unternehmen: Prealize Health ist ein Unternehmen für prädiktive Analytik im Gesundheitswesen mit Sitz in den USA.
- Vorteile: Flexible Arbeitsumgebung, wettbewerbsfähiges Gehalt und großzügige Bonus- und Aktienpläne.
- Weitere Informationen: Zielgehalt liegt zwischen 180.000 und 220.000 USD jährlich.
- Warum dieser Job: Gestalten Sie die nächste Generation von Underwriting-Produkten mit fortschrittlichen KI-Modellen.
- Qualifikationen: PhD oder MS in Statistik, Biostatistik oder verwandten Bereichen; 8-10 Jahre Erfahrung erforderlich.
Prealize Health ist ein prädiktives Analyseunternehmen, das maschinelles Lernen und klinische Expertise nutzt, um Patienten eine bessere Versorgung zu ermöglichen. Die meisten Gesundheitsdienstleistungen sind heute reaktiv – die Versorgung erfolgt, wenn jemand bereits krank ist. Wir glauben, dass Gesundheitsversorgung darauf abzielen sollte, Individuen und ihre Familien gesund zu halten, um zu verhindern, dass sie jemals krank werden. Unsere Mission ist es, Patienten, Anbietern und Kostenträgern die Erkenntnisse zu liefern, die sie benötigen, um die Gesundheitsergebnisse zu verbessern und unerwünschte medizinische Ereignisse zu verhindern.
Als Staff Data Scientist und primärer SME für Healthcare Financial Risk & Underwriting werden Sie als technische Autorität für unsere kritischsten Bereiche der finanziellen Risiko- und Underwriting-Modellierung fungieren. Sie werden die Lücke zwischen komplexen aktuarischen Anforderungen und modernem maschinellem Lernen überbrücken und den technischen Fahrplan zur Skalierung prädiktiver Modelle für Risikoadjustierung und Underwriting definieren.
Hauptverantwortlichkeiten:
- Fachwissen: Handeln Sie als Subject Matter Expert (SME) und leiten Sie den gesamten Aufbau und die Ausführung unserer KI-Modelle für Risiko und Underwriting.
- Strategische Vision: Setzen Sie den technischen Fahrplan und leiten Sie die Entwicklung von ML-Modellen, die sich auf die Risikostratifizierung im Gesundheitswesen konzentrieren.
- Methodologische Exzellenz: Etablieren Sie Best Practices für den Modellaufbau, die Modellvalidierung und rigoroses Backtesting.
- Technische Führung: Mentoren Sie Junior Data Scientists und fördern Sie eine Kultur rigoroser Forschung und Innovation.
- Kollaboration: Arbeiten Sie mit Klinikern zusammen, um medizinisches Wissen in datengestützte Hypothesen zu übersetzen.
- Plattforminnovation: Arbeiten Sie mit Engineering zusammen, um die nächste Generation unserer Plattform zu gestalten.
- Externe Evangelisation: Vertreten Sie die technische Expertise von Prealize Health gegenüber externen strategischen Partnern.
Erforderliche Qualifikationen:
- Bildung: PhD und/oder MS in Statistik, Biostatistik, Wirtschaftswissenschaften, Informatik oder einem verwandten quantitativen Bereich.
- Erfahrung: 8–10+ Jahre Erfahrung in der Entwicklung und Bereitstellung kommerzieller Datenwissenschaftsprodukte.
- Fachwissen: Tiefe Erfahrung im Aufbau und der Validierung von Modellen für Anwendungsfälle im Gesundheitswesen.
- Programmierung & KI-Tools: Expertenkenntnisse in Python und verteiltem Rechnen (PySpark/Spark/SQL).
- Statistische Strenge: Expertenverständnis von Modellbewertungsmetriken und Validierungsprotokollen.
- Strategisches Denken: Nachgewiesene Fähigkeit, funktionsübergreifende Projekte zu leiten und technische Fahrpläne zu beeinflussen.
- Kommunikation: Außergewöhnliche Fähigkeit, komplexe technische Strategien für Führungskräfte und externe Partner zu vermitteln.
Bevorzugte Fähigkeiten:
- Tiefe Kenntnisse in Deep Learning und praktische Erfahrung mit PyTorch oder TensorFlow.
Wir bieten:
- Flexibles Arbeitsumfeld
- Wettbewerbsfähiges Grundgehalt plus großzügige Boni und Aktienoptionen
- Bezahlte Freizeit einschließlich Feiertagen
- Medizinische, zahnmedizinische und visuelle Leistungen
- 401k
- Wellness- und Homeoffice-Vorteile
Gehaltstransparenz: Die Zielgehaltsspanne liegt zwischen 180.000 und 220.000 USD jährlich.
Diversität, Chancengleichheit & Inklusion: Prealize setzt sich ernsthaft für Vielfalt und Chancengleichheit ein.
Staff Data Scientist (SME: Healthcare Financial Risk & Underwriting) Arbeitgeber: Prealize
Prealize Health bietet eine flexible Arbeitsumgebung und umfassende Gesundheitsleistungen. Das Team setzt sich für Diversität und Inklusion ein und hat eine klare Mission zur Verbesserung der Gesundheitsversorgung durch prädiktive Analytik.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Staff Data Scientist (SME: Healthcare Financial Risk & Underwriting) 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 Prealize 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 Staff Data Scientist (SME: Healthcare Financial Risk & Underwriting) mit Bravour zu bestehen
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 Staff Data Scientist (SME: Healthcare Financial Risk & Underwriting) bei Prealize gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Prealize 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 Prealize entscheidend sein!
