🕒 5 days ago
Design, evaluate, and deploy machine learning systems for real-time data security, from NLP and LLM model research to scalable MLOps and production services.
Senior Machine Learning Engineer (m/w/d)
📅 Sep 15
Machine LearningData ScienceApplied ML EngineeringForecasting
📜 Description
- Develop and optimize forecasting and pricing models and data-driven decision logic.
- Work with time series, demand signals and diverse data sources; define reliable features and labels.
- Evaluate models with backtests, robust metrics and segmentation, and support holdouts and A/B testing.
- Improve ML engineering practices for backtesting, reproducibility and versioning.
- Build dashboards and reports that make model and business KPIs visible while maintaining data quality.
- Create reproducible pipelines and tests, and automate recurring analyses and evaluation runs.
🛠️ Requirements
- 4+ years of experience in Data Science or Applied ML Engineering, ideally in a product or business context.
- Strong SQL skills and expertise in data quality, debugging and consistent metrics.
- Write clean Python and produce reproducible analyses; product-adjacent experience is a plus.
- Understand bias and leakage awareness, guardrails, and offline-versus-online evaluation.
- Take ownership, work pragmatically, communicate clearly and think entrepreneurially.
- Fluent, confident English communication.
- Nice to have: Revenue management or dynamic pricing experience, demand-pattern knowledge, dbt, Snowflake, Metabase, MLOps tools or AWS.
Full job description
Als Senior Machine Learning Engineer arbeitest du im Pricing & Revenue-Kontext an datengetriebenen Verbesserungen für Forecasting, Pricing-Logiken und Produkt-Insights. Du baust Analysen und Modelle, die im Produkt messbar Wirkung zeigen – mit sauberer Evaluation, solider Datenbasis und pragmatischer Umsetzung. Du arbeitest dabei eng mit Product & Engineering zusammen.
Deine Aufgaben
Model Evolution: Du entwickelst und optimierst unsere Forecasting- und Pricing-Modelle sowie datengetriebene Decision-Logiken, immer methodisch pragmatisch und voll auf Impact ausgerichtet.
Signal Hunting: Du arbeitest mit Zeitreihen, Demand-Signalen und heterogenen Datenquellen. Du definierst Features und Labels so sauber, dass Leakage keine Chance hat.
Measurement & Guardrails: Du verantwortest die Evaluation durch Backtests, robuste Metriken und Segmentierungen. Du unterstützt bei Holdouts sowie A/B-Logiken und behältst den Check zwischen Offline- und Online-Performance.
Best Practices im ML Engineering: Du setzt neue Maßstäbe für Backtesting, Reproduzierbarkeit und Versionierung. Für uns zählt: Engineering-Qualität statt reiner Notebook-Lösungen.
Data Visibility: Du baust Dashboards und Reports aus, die Modell- und Business-KPIs transparent machen. Dein Fokus liegt dabei immer auf höchster Data Quality.
Smart Workflows: Du treibst reproduzierbare Workflows voran (Versionierung, saubere Pipelines, sinnvolle Tests) und automatisierst wiederkehrende Analysen sowie Evaluationsläufe.
Dein Profil
Track Record: Du hast 4+ Jahre Erfahrung in Data Science oder Applied ML Engineering gesammelt – idealerweise direkt im Produkt- oder Business-Kontext.
Data Intuition: Du besitzt extrem starke SQL-Skills und ein tiefes Gespür für Datenqualität, Debugging und konsistente Metriken.
Python Pro: Dein Python-Code ist sauber und deine Analysen sind nachvollziehbar. Erste Erfahrung mit produktnahen Setups ist ein großes Plus.
Experiment-Mindset: Du beherrscht die Grundlagen von Bias/Leakage-Awareness und weißt, wie man in Guardrails und Offline-vs-Online-Szenarien denkt.
Work Style: Du übernimmst volle Ownership für deine Themen. Du arbeitest nach dem 80/20-Prinzip (pragmatisch!), bist zuverlässig und kommunizierst glasklar.
Entrepreneurial Spirit: Du denkst unternehmerisch und willst Dinge wirklich bewegen.
Sprachkenntnisse: Du kommunizierst fließend und sicher auf Englisch.
Nice‑to‑haves – was die Besten auszeichnet
Domain Expertise: Du hast bereits Erfahrung im Revenue Management oder Dynamic Pricing (z. B. Hotel, Travel, eCommerce oder Mobility).
Demand Knowledge: Du kennst dich mit Saisonalität, Events, Lead Times und Segment-Mustern aus.
Modern Stack: Du hast schon mit Analytics Engineering oder Warehouse-Tools wie dbt, Snowflake oder Metabase gearbeitet.
Hands-on MLOps & Cloud: Ein Plus ist praktische Erfahrung im Umgang mit MLOps-Tools und Cloud-Infrastruktur, z. B. AWS.
Wir sind angetreten, um die Hotellerie nicht nur zu digitalisieren, sondern ihre technologische Basis auf ein neues Level zu heben. Wenn du Lust hast, die Verantwortung für das technische Rückgrat eines Millionen-Portfolios zu übernehmen und gemeinsam mit uns die nächste Generation des automatisierten Revenue Managements zu skalieren, dann lass uns reden!
Bewirb dich jetzt – wir freuen uns darauf, gemeinsam mit dir den nächsten Meilenstein von happyhotel zu setzen.
Similar jobs
Search more Machine Learning Engineer jobs
🕒 10 days ago
Build and deploy production machine learning models for forecasting and marketing investment decisions, owning projects end to end from problem framing and feature engineering through validation, monitoring, and iteration.
🕒 10 days ago
Build and operate production machine learning systems for dispute optimisation, owning model training, deployment, monitoring, feature pipelines, and backend integrations across the Disputes platform.
ENGENHEIRO DE MACHINE LEARNING SR - Remoto
🕒 4 days ago
Inmetrics S/a👥 501 - 1000 employees🏢 Information Technology And Services
🕒 4 days ago
Lidera tecnicamente o desenvolvimento de soluções de machine learning e deep learning, da preparação de dados à implantação e monitoramento em produção, garantindo integração, escalabilidade e governança dos modelos.
🕒 6 days ago
Set machine learning direction and deliver production LLM systems, from post-training and agent workflows to evaluation and dialogue improvements that shape user experience, retention, and monetization.