In sintesi
- Mansioni: Sviluppa e gestisci pipeline di modelli di credito utilizzando Python e AWS SageMaker.
- Azienda: Klarna, leader nell'innovazione finanziaria con una cultura collaborativa.
- Benefit: Stipendio competitivo, lavoro remoto e opportunità di sviluppo professionale.
- Altre informazioni: Ambiente dinamico con eccellenti opportunità di crescita professionale.
- Perché questo lavoro: Lavora con tecnologie all'avanguardia e fai la differenza nel settore finanziario.
- Qualifiche: Esperienza in Python per machine learning e gestione di modelli in produzione.
La retribuzione prevista è compresa tra 58500 - 71500 € per anno.
Klarna, brevemente
Stiamo costruendo una rete di finanza quotidiana, aiutando oltre 120 milioni di consumatori in 26 paesi a risparmiare tempo e denaro, e a preoccuparsi meno delle loro finanze. Lavorare qui significa affrontare problemi che la maggior parte delle aziende non ha mai l'opportunità di risolvere, e essere abbastanza pratici da far sì che la parte interessante del lavoro ricada su di te, non su qualcun altro — costruirai con l'IA, non la osserverai accadere. Questa è la zona di sfida. Scopri cosa sei capace di fare.
Informazioni sul ruolo
Ogni decisione di credito che Klarna prende passa attraverso un modello, e ognuno di questi modelli passa attraverso una pipeline che il tuo team costruisce e gestisce. Come Lead Engineer nel team della Credit Modeling Pipeline, sarai l'ingegnere che porta i modelli di underwriting del credito dei consumatori da un esperimento di data scientist a qualcosa che funziona in modo affidabile in produzione. Questa è una posizione ingegneristica, non una di data science con un po' di ingegneria a lato. La maggior parte del tuo tempo sarà dedicato alla scrittura di codice di produzione, alla costruzione dell'infrastruttura di cui dipende la pipeline ML e al deployment dei modelli con strumenti come AWS SageMaker — non allo sviluppo di nuovi approcci di modellazione da zero. Lavorerai insieme a un team diviso tra Stoccolma e Varsavia, e aiuterai a scalare la capacità di data science interna di Klarna mentre i team di rischio di credito e frode crescono.
Cosa farai
- Scriverai Python per addestrare modelli di underwriting del credito, inclusi modelli basati su alberi, e prepararli per funzionare in produzione.
- Costruirai e manterrai l'infrastruttura che supporta la pipeline ML — dalla computazione delle caratteristiche fino al riaddestramento e al monitoraggio.
- Deployerai modelli in produzione utilizzando strumenti come AWS SageMaker e li manterrai attivi una volta che sono live.
- Risolvi e correggi i problemi della pipeline end to end, piuttosto che passarli a qualcun altro.
- Aiuterai a scalare la capacità di data science interna di Klarna mentre i team di rischio di credito e frode crescono.
Chi sei
- Hai scritto codice Python di produzione per machine learning — addestrando modelli, non solo prototipandoli in notebook.
- Hai portato modelli e pipeline di machine learning dallo sviluppo alla produzione, e li hai gestiti una volta che erano live.
- Hai lavorato con modelli basati su alberi in modo pratico, non solo studiandoli in teoria.
- Hai deployato e operato carichi di lavoro ML su AWS o su una piattaforma cloud comparabile.
- Comprendi l'intero ciclo di vita dello sviluppo software — controllo delle versioni, testing e revisione del codice — e lo applichi al codice ML, non solo a script isolati.
- Hai lavorato a stretto contatto con data scientist, trasformando i loro modelli in pipeline su cui possono contare in produzione.
- Comunichi chiaramente in inglese, parlato e scritto.
Punti bonus per
- Aver lavorato nel rischio di credito, frode, o in un'altra parte dei servizi finanziari, e conoscere il peso normativo che deriva dalle decisioni di prestito.
- Aver costruito pipeline di dati su larga scala all'interno di una più ampia organizzazione di data science o ingegneria.
- Essere familiari con strumenti di monitoraggio o osservabilità dei modelli — rilevamento di drift, dashboard delle prestazioni, e simili.
- Aver impostato CI/CD per il deployment di ML.
Cose da sapere prima di candidarsi
Questa posizione è basata a Stoccolma o Milano; lavorerai insieme a un team diviso tra Stoccolma e Varsavia. Lavorare insieme: valorizziamo i team co-localizzati; la maggior parte dei team attualmente si incontra in ufficio 2–3 giorni a settimana, e questo varia in base al team e può cambiare nel tempo. Sono benvenuti background non ovvi. La diversità di competenze, prospettive e background è come creiamo, innoviamo e interrompiamo come nessun altro.
La compensazione finale sarà basata sulle qualifiche, competenze ed esperienze del candidato. Si prega di includere un CV in inglese. Concretezza batte completezza — ciò che hai costruito, cosa ha fatto, quanto è costato. Sei curioso di saperne di più su Klarna e su com'è lavorare qui? Esplora il nostro sito di carriera!
Senior Machine Learning Engineer - Credit modelling in Milan datore di lavoro: Klarna
Klarna è un datore di lavoro eccezionale, offrendo un ambiente stimolante dove gli ingegneri possono affrontare sfide uniche e significative nel settore finanziario. Con una cultura del lavoro collaborativa e flessibile, i dipendenti hanno l'opportunità di crescere professionalmente, contribuendo a progetti innovativi che utilizzano l'IA. Inoltre, la posizione in un contesto internazionale permette di lavorare con team diversificati, arricchendo ulteriormente l'esperienza lavorativa.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Senior Machine Learning Engineer - Credit modelling in Milan
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su Klarna
Non dimenticare di candidarti direttamente sul sito di Klarna! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come Senior Machine Learning Engineer - Credit modelling in Milan
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Klarna. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Klarna. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Klarna
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.