Auf einen Blick
Clinical Data Engineer für Eight Sleep zur Verwaltung von End-to-End-Datenpipelines in klinischen Studien und Hardware-Validierung. Kombination von Datentechnik und klinischer Forschung.
💰 ~$130.000–170.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ Americas
- Python und SQL Kenntnisse
- AWS oder Cloud-Umgebung
- Verständnis für klinische Datenprozesse
- Fehleranalyse und Validierung
Python
SQL
AWS
ETL
Gehalt geschätzt anhand Mid-level data engineer in Boston tech market mit klinischen Anforderungen. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Engineers mit Health-Tech oder BioPharma Erfahrung
- Profis mit klinischen oder regulatorischen Datenprojekten
- Python/SQL-Experten mit Statistik-Hintergrund
🚫 Weniger geeignet
- Entry-level-Entwickler ohne Datenpipeline-Erfahrung
- Pure-ML-Ingenieur ohne Datentechnik-Fokus
- Remote-only Kandidaten (Onsite in Boston erforderlich)
💡 Gut zu wissen
- High-Performance-Kultur mit intensivem Commitment erforderlich
- Klinische Daten sind reguliert – Compliance und Genauigkeit nicht verhandelbar
- Sensordatenvalidierung ist direkt mit Produktentscheidungen verbunden
Über das Unternehmen
Eight Sleep ist die weltweit erste Sleep-Fitness-Unternehmen, die Hardware-, Software- und KI-Technologie kombiniert, um optimalen Schlaf zu ermöglichen. Die Produkte ermöglichen optimale mentale, körperliche und emotionale Leistung durch personalisierte, datengesteuerte Erholungserlebnisse.
Deine Aufgaben
- End-to-End-Datenpipelines für klinische Studien und Zulassungsprüfungen entwickeln und warten
- Überwachungstools für Live-Feldatadaten erstellen, die Forschungsmitarbeiter auf Probleme hinweisen
- Mit ML/AI zusammenarbeiten, um sicherzustellen, dass eingehende Daten richtig formatiert und gelabelt sind
- Datensätze aus mehreren Eingangsquellen für Analysen abstimmen
- Datenanalysen für Hardware-Validierungsstudien durchführen (Herzfrequenz, HRV, Präsenz)
- Rohe Sensordaten mit Ground-Truth-Daten verarbeiten und Algorithmen validieren
- End-to-End-Datenlebenszyklus vom Erfassen bis zur Kommunikation verwalten
Deine Voraussetzungen
- Begeisterung für schnelle, fokussierte Ausführung unter hohem Druck
- Solides Verständnis von Datenpipelines, ETL-Prozessen und Datenbereinigung
- Erfahrung mit klinischen Studien oder regulatorischen Datenanforderungen von Vorteil
- Python, SQL und APIs für Datenprozesse
- AWS oder Cloud-Datenverarbeitung
- Statistisches Verständnis (Korrelation, Fehlermetriken)
- Kommunikationsfähigkeit mit technischen und nicht-technischen Stakeholdern
Benefits
- Arbeiten an der Grenze von Datentechnik, angewandter Datenwissenschaft und klinischer Forschung
- KI-assistierte Werkzeuge zur Code-Beschleunigung
