Data Scientist / Machine Learning Engineer (m/w/d) | Healthcare & Life Science
Du arbeitest gemeinsam mit uns an Projekten für Kunden aus dem Gesundheitswesen, zum Beispiel: Analysen und ML-Modelle auf echten Versorgung
Du arbeitest gemeinsam mit uns an Projekten für Kunden aus dem Gesundheitswesen, zum Beispiel: Analysen und ML-Modelle auf echten Versorgung
Wir schreiben dir, sobald eine neue geprüfte Stelle in Berlin dazukommt. Höchstens eine Nachricht am Tag, und nur, wenn es tatsächlich etwas Neues gibt.
Abmelden mit einem Klick, jederzeit. Keine Weitergabe an Dritte.
Warum dieser Job gelistet ist
Eindeutige KI-Rollenbezeichnung im Stellentitel. Prüfverfahren ansehen
Du arbeitest gemeinsam mit uns an Projekten für Kunden aus dem Gesundheitswesen, zum Beispiel: Analysen und ML-Modelle auf echten Versorgungsdaten wie GKV-Abrechnungsdaten, Krankenhausdaten oder Krebsregisterdaten Real-World-Evidence-Studien für Pharmaunternehmen, inklusive Überlebenszeitanalysen Prüf- und Scoring-Modelle für Krankenkassen, auch mit NLP auf unstrukturierten Texten Entwicklung von Datenpipelines und der Weg vom Prototyp in die Produktion Softwaredevelopment mit gängigen Machine Learning und Statistik Bibliotheken (scikit-learn, SciPy, NumPy, Pandas, PyTorch, Tensorflow etc.) und typischen Development-Tools (Git, GitFlow, GitHub, GitLab, Jira) Literaturrecherche und Umsetzung neuer Methoden als Prototyp Abstimmung mit Fachexpert:innen auf Kundenseite und Präsentation von Ergebnissen Optional: Lehrtätigkeiten im Bereich Data Science und Programmierung Qualifikation
Abgeschlossenes Studium in Data Science, Informatik, Mathematik, Statistik, Physik, Bioinformatik oder einem vergleichbaren Fach, alternativ vergleichbare Praxiserfahrung Erste praktische Erfahrung, z. B. aus Projekten oder ersten Berufsjahren Sicherer Umgang mit Python und gängigen Bibliotheken (z. B. pandas oder Polars, NumPy, SciPy, scikit-learn, PyTorch) sowie SQL Solides Verständnis statistischer Methoden und ML-Verfahren Erfahrung mit Git und kollaborativer Entwicklung Sehr gute Deutschkenntnisse (mindestens C1), da unsere Kunden aus dem deutschen Gesundheitswesen und öffentlichen Umfeld kommen, sowie gute Englischkenntnisse Ein zusätzliches Plus gibt s für: Erfahrung mit Gesundheitsdaten Survival Analysis oder kausale Inferenz R, Rust, Kubernetes oder Airflow
Flexibles Arbeiten: 2-3 Tage Home Office pro Woche Individuelle Weiterbildungsmöglichkeiten Erfahrenes Management, das jederzeit ansprechbar ist und dir früh Verantwortung überträgt Keine unbezahlten Überstunden, Mehrarbeit wird durch Freizeit ausgeglichen Edenred-Karte mit monatlichem Budget zur freien Verwendung Kostenloses Mittagessen, Getränke und Snacks im Büro MacBook als Arbeitsgerät 28 Urlaubstage Wer ist deine Ansprechpartner:in bei uns? Wir sind klein genug, dass du dich in jeder Situation auf Feedback und Unterstützung des ganzen Teams verlassen kannst. Florian und Philipp werden dich einarbeiten, dir ein bisschen was über die Geschichte von Limebit erzählen, dir dein neues MacBook überreichen und dich ganz persönlich willkommen heißen. Danach arbeitet ihr als Team gemeinsam an Kundenprojekten. Schick uns einfach deinen Lebenslauf, ein Anschreiben brauchen wir nicht.
aus Data Scientists, ML Engineers, Mathematiker:innen und Softwareentwickler:innen wächst weiter. Wir suchen eine Person mit erster Praxiserfahrung, die mit uns an anspruchsvollen Kundenprojekten arbeitet und sich bei uns fachlich weiterentwickeln will. Bei uns zählen ein wertschätzendes Miteinander, flache Hierarchien und eine selbstständige, verantwortungsbewusste Arbeitsweise.
Limebit ist ein Berliner Beratungsunternehmen für Data Science und Machine Learning im Gesundheitswesen. Seit zehn Jahren arbeiten wir mit Krankenkassen, Klinikgruppen, Forschungseinrichtungen und Pharmaunternehmen daran, aus Medizindaten belastbare Erkenntnisse und produktive Anwendungen zu machen.
Interesse an dieser Position?
Die vollständige Anzeige und das Bewerbungsformular liegen beim Arbeitgeber.
Zur Originalanzeige216 geprüfte Stellen bei 134 Arbeitgebern, 29 davon ortsunabhängig. 90 in der KI-Entwicklung, 65 in Integration & Automatisierung.