Salary: 60.000 - 85.000 € per year
Requirements: - Mehrere Jahre industrielle ML- und Data-Science-Erfahrung mit echten Projekten, realen Constraints und Stakeholdern
- Fundierte statistische Kenntnisse, die auch unter kritischer Nachfragen standhalten, einschließlich Verständnis von Unsicherheit, Konfidenzintervallen, p-Werten, Korrelationen und Hypothesentests
- Sehr sorgfältiger und kritischer Umgang mit eigenen Ergebnissen
- Reflex, Daten vor dem Modellieren zu prüfen, zu visualisieren und auf fehlende oder fehlerhafte Aspekte zu achten
- Sehr gute Python-Kenntnisse sowie Erfahrung mit dem üblichen Ökosystem, einschließlich scikit-learn, PyTorch oder TensorFlow, git und uv
- Sicherer Umgang mit Cloud-Umgebungen, in unserem Fall AWS, sowohl Server- als auch Serverless-Umgebungen
- Fähigkeit, technische Inhalte verständlich gegenüber Business-Stakeholdern zu vermitteln und Kundenorientierung
- Fließendes Englisch
Responsibilities: - Data-Science- und ML-Projekte end-to-end verantworten
- Probleme gemeinsam mit dem Kunden strukturieren und das passende Vorgehen sowie den Algorithmus auswählen
- Analysen durchführen und Ergebnisse bewerten
- Vor Stakeholdern präsentieren und erklären, was die Ergebnisse bedeuten und wie belastbar sie sind
- Mit unklaren, unvollständigen, verzerrten oder schwierigen Daten arbeiten und beurteilen, welche Fragestellungen beantwortbar sind
- Sicherstellen, dass unsere Kunden erfolgreich sind und Probleme konsequent bis zur Lösung verfolgen
Technologies: - AWS
- Cloud
- Data-Science
- Git
- PyTorch
- Python
- Serverless
- TensorFlow
- AI
- LESS
More:
Wir bei Spryfox entwickeln KI-Lösungen, die in der realen Welt bestehen, für Kunden aus Versicherung, Finanzwesen, Gesundheitswesen, Energie und Fertigung. Wir legen Wert auf gute Technik und saubere Data-Science-Arbeit, die auf fundiertem Verständnis basiert. Die Position ist als Senior Data Scientist gedacht, arbeitet vor Ort und bietet ein Gehalt von 60.000,00 € bis 85.000,00 € pro Jahr. Unser Auswahlprozess umfasst den Den, eine kurze praktische Aufgabe, mit der wir sehen, wie du über Daten und Unsicherheit denkst.
last updated 26 week of 2026