Data Scientist mit Schwerpunkt Machine Learning / Machine Learning Engineer (m/w/d)
![0cee4a96ffab64b18cbab8223f477bbb.jpeg 10533](https://ae.workcloud.se/remote/file/10533)
InGef - Institut für angewandte Gesundheitsforschung Berlin GmbH fokussiert sich als wissenschaftliches Institut vornehmlich auf anwendungsnahe Themen, die Einfluss auf die medizinische und wirtschaftliche Versorgungsqualität der Krankenversicherten haben. Im Ergebnis stehen die Konzeption und Evaluation neuer Strukturen, Prozesse und Innovationen, die zur Stärkung und Gestaltung des Gesundheitssystems entscheidend beitragen. Maßgeblicher Faktor dafür sind die Mitarbeitenden des InGef. Deshalb ist eine Kultur der ausgeprägten Partizipationsmöglichkeiten ein zentraler Aspekt. Im Mittelpunkt stehen die persönliche Entfaltung der Mitarbeitenden, ein ausgeprägter Teamgedanke und das Streben nach einer ganzheitlichen Entwicklung.
InGef ist ein Tochterunternehmen der spectrumK GmbH, die innovative Spezialistin mit hoher Expertise in der Dienstleistungslandschaft der gesetzlichen Krankenversicherung.
Das Team Versorgungsanalytik entwickelt Prädiktionsmodelle zu diversen Fragestellungen im Bereich der gesetzlichen Krankenversicherung wie z. B. der Erfolgswahrscheinlichkeit der Prüfung von Krankenhausrechnungen. Für die Weiterentwicklung dieser Komponente suchen wir tatkräftige Unterstützung.
Wir suchen zum nächstmöglichen Zeitpunkt für Berlin oder im mobilen Arbeiten eine*n
Data Scientist mit Schwerpunkt Machine Learning / Machine Learning Engineer (m/w/d)
DEINE AUFGABEN
- Du pflegst und betreust bestehende Machine-Learning-Prozesse und deren Infrastruktur
- Du unterstützt bei der Konzipierung und Organisation der termingerechten Durchführung und Weiterentwicklung der Projekte
- Du benutzt gängige statistische Methoden, um Modelle validieren und interpretieren zu können
- Du berätst Auftraggeber:innen zur Einbindung von Machine-Learning-Modellen in die bestehenden Prozesse
- Du setzt dich mit den Anforderungen des Gesundheitswesens, insbesondere gesetzlichen Änderungen, in Hinblick auf deren Bedeutung für bestehende und zukünftige Machine-Learning-Projekte auseinander
- Du entwickelst neue Prädiktionsmodelle für unterschiedliche Fragestellungen im Kontext der gesetzlichen Krankenversicherung
DEIN PROFIL
- Abgeschlossenes (Fach-) Hochschulstudium in den MINT-Fächern oder eine abgeschlossene Ausbildung mit vergleichbarer Qualifikation
- Erste Erfahrung in der Erstellung von Prädiktionsmodellen, insbesondere Entscheidungsbäume und Boostingalgorithmen
- Gute Kenntnisse in Python, erste Erfahrungen mit Linux und GitLab wünschenswert
- Vorkenntnisse in den folgenden Bereichen sind von Vorteil: Jupyter Notebooks, APIs, Streamlit, R, Docker/Podman, Airflow oder anderen MLOps-Tools
- Hohe Eigenmotivation, Lernbereitschaft und Kommunikationsgeschick
- Strukturierte, sorgfältige und eigenständige Arbeitsweise sowie ausgeprägte Teamfähigkeit
- Sehr gute Deutschkenntnisse
UNSER ANGEBOT
- Ein angenehmes Arbeitsklima in einem motivierten und interdisziplinären Team mit einer gelebten, offenen Unternehmenskultur und flachen Hierarchien
- Sehr gute Entwicklungs - und Weiterbildungsmöglichkeiten
- Einarbeitung durch erfahrene Mitarbeitende
- Unterstützung von Eltern und Pflegenden zur Vereinbarkeit von Beruf- und Privatleben
- 30 Tage Urlaub mit Steigerung nach Betriebszugehörigkeit, Heiligabend und Silvester sind Betriebsferien
- Betriebliche Altersvorsorge
- Flexible Arbeitszeiten / mobiles Arbeiten
- Topmodern eingerichtete Büroarbeitsplätze und sehr gute öffentliche Verkehrsanbindung
- Weitere Extras für Mitarbeitende: Corporate Benefits – Angebote mit Sonderkonditionen namhafter Hersteller und Marken
- Zunächst auf 2 Jahre befristet, eine Verlängerung wird angestrebt
DEINE ANSPRECHPARTNERINNEN
- Vivien Franz Tel: +49 30 586945-175
- Manja Wentzel Tel: +49 30 586945-156
DEINE BEWERBUNG
Wenn dich diese anspruchsvolle Aufgabe reizt, freuen wir uns auf die Zusendung deiner vollständigen Bewerbungsunterlagen.
Vergessen Sie nicht, Academic Europe in Ihrer Bewerbung zu erwähnen.