Auf einen Blick
Leite die Architektur von Data-Science-Methodologien bei einer FDA-zugelassenen Zahnmedizin-KI-Plattform. Entwickle Modelle, die Pearls Produktentwicklung und Geschäftsergebnisse direkt beeinflussen.
💰 ~$160.000–220.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- 8+ Jahre Data Science/ML
- Fortgeschrittenes Python und SQL
- Erfahrung mit Snowflake oder ähnlich
- Produktionsreife ML-Systeme
Python
SQL
Snowflake
Machine Learning
Statistik
MLOps
Data Engineering
Gehalt geschätzt anhand Senior Data Scientist mit 8+ Jahren, US-Biotech/Healthcare-Sektor. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior Data Scientists mit ML-Produktion
- ML-Führungspersonen
- Healthcare-Domain-Interesse
🚫 Weniger geeignet
- Frühe Data-Science-Karriere
- Reine Analyst-Rollen
- No MLOps-Erfahrung
💡 Gut zu wissen
- Mission-driven Healthcare-Kontext
- FDA-Regulierung bedeutet höhere Compliance-Standards
- Hands-on ML-Leitung erforderlich
Über das Unternehmen
Pearl transformiert die Zahnmedizin durch künstliche Intelligenz. Die FDA-zugelassenen Computervisions- und KI-Lösungen helfen Zahnfachleuten, Krankheiten früher zu erkennen, Patientenergebnisse zu verbessern und Versorgung in großem Maßstab besser zu gestalten. Pearl wird von Top-Investoren unterstützt und vertraut von tausenden Zahnarztpraxen weltweit.
Deine Aufgaben
- Leite Design und Ausführung von Data-Science-Projekten, die direkt Pearls KI-Produkte und Geschäftsergebnisse beeinflussen
- Analysiere große, komplexe Datensätze, um Insights, Trends und Chancen zu entdecken
- Erstelle und validiere statistische Modelle, Experimente und prädiktive Analysen
- Arbeite mit Engineering- und ML-Teams zusammen, um Data-Science-Arbeit in Produktion zu bringen
- Definiere Metriken und KPIs zur Messung von Produktleistung und klinischer Wirkung
- Mentoriere Junior Data Scientists und fördere Best Practices im Team
Deine Voraussetzungen
- Bachelor- oder fortgeschrittener Abschluss in quantitativer Disziplin (Mathematik, Statistik, Informatik, Physik, Ingenieurwesen)
- Mindestens 8 Jahre Erfahrung in Data Science, Machine Learning oder Applied AI
- Starke Grundlagen in Statistik, Datenverarbeitung und ML-Techniken
- Praktische Erfahrung mit Open-Source-Frameworks
- Nachweis von produktionsreifen ML-Systemen und MLOps-Praktiken
- Fortgeschrittene Python- und SQL-Kenntnisse
- Erfahrung mit modernen Cloud-Daten-Warehouses wie Snowflake
