Deine Daten werden DSGVO-konform behandelt und nur an nyra health weitergegeben.
Machine Learning Researcher
nyra health
Österreich, Wien
Full-time
Home office possible
Hybrid
Tasks
Speech and Language Models: Entwicklung und Verbesserung von Modellen für neurologische Spracherkennung, Aussprachebeurteilung und Phonem-Analyse auf Basis proprietärer Modelle
Clinical AI: Forschung und Prototyping von Modellen für Therapieinhalts-Generierung, Patientenfortschritts-Vorhersage und klinische Entscheidungsunterstützung
Multimodale Ansätze: Erkundung von Kombinationen aus Sprache, Text und Verhaltenssignalen zur Entwicklung umfassenderer Modelle der Patientengenessung
Data Pipeline und Evaluation: Gestaltung von Evaluierungs-Frameworks, Aufbau von Trainings-Pipelines und Etablierung rigoroser Benchmarks für Modellleistung in klinischen Kontexten
Publikation und Zusammenarbeit: Beitrag zu wissenschaftlichen Publikationen und Zusammenarbeit mit akademischen Partnern an Forschungsprojekten
Production Integration: Zusammenarbeit mit Engineering zur Bereitstellung von Modellen im Production Stack Sicherstellung zuverlässiger Ausführung im großen Maßstab on-device und in der Cloud
Research Direction: Mitgestaltung der ML-Forschungs-Roadmap von nyra und Identifikation hochimpaktiger Chancen an der Schnittstelle von KI und neurologischer Rehabilitation
profile
AI-native Workflow: Tägliche Nutzung von KI-Tools wie Claude Code, Cursor, Copilot oder ähnlich nicht als Neuheit, sondern als Standard-Arbeitsweise
Multi-Agent Fluency: Komfort bei der Orchestrierung mehrerer KI-Agenten, Prompt-Verkettung und Aufbau von Workflows, bei denen KI die schwere Arbeit leistet
Tooling Mindset: Aktive Gestaltung der eigenen Entwicklungsumgebung Custom Scripts, Automation, MCP Server, CLI Tools
ML Research Experience: MSc oder PhD (oder gleichwertige praktische Erfahrung) in Machine Learning, Sprachverarbeitung, NLP oder verwandten Feldern
Speech and Audio Expertise: Starker Hintergrund in Spracherkennung, Sprachsynthese, Audioverarbeitung oder verwandten Bereichen (Erfahrung mit Whisper, wav2vec, HuBERT oder ähnlichen Architekturen)
Deep Learning Proficiency: Praktische Erfahrung mit PyTorch, Modelltraining im großen Maßstab und modernen Trainingstechniken (LoRA, RLHF, Distillation, etc.)
Research Rigor: Track Record von Publikationen, Open-Source-Beiträgen oder dokumentierten Forschungsprojekten
Engineering Skills: Fähigkeit, sauberen, produktionsreifen Python-Code zu schreiben nicht nur Notebooks
Evaluation Mindset: Erfahrung in der Gestaltung von Experimenten, Definition von Metriken und Ableitung gültiger Schlussfolgerungen aus Daten
Wissenschaftliche Rigorosität: Sorgfalt bei korrekter Durchführung angemessene Evaluation, Reproduzierbarkeit und ehrliche Bewertung
Impact-Orientierung: Motivation durch Modelle, die ausgeliefert werden und einen Unterschied machen
Neugier und Zusammenarbeit: Freude an der Zusammenarbeit mit Klinikern, Therapeuten und Produktteams
Selbstgelenkt: Fähigkeit, vielversprechende Forschungsrichtungen zu identifizieren und Projekte mit minimaler Anleitung voranzutreiben
Leidenschaft für Sprache und Kommunikation: Faszination für die Schnittstelle von KI und menschlicher Kommunikation, besonders bei unterversorgten Populationen
We offer
Zugang zum weltweit größten beschrifteten Datensatz neurologischer Sprache
Schnell wachsendes Digital-Health-Startup mit internationaler Ambition
Direkte Zusammenarbeit mit den Gründern und funktionsübergreifenden Teams
Möglichkeit zur Publikation und Zusammenarbeit mit Top-Akademischen Institutionen
Verantwortung von Tag eins und greifbare Auswirkungen auf Patientenergebnisse
Transparente, direkte Kommunikations- und Feedback-Kultur
Schönes Büro im 1. Bezirk Wiens mit regelmäßigen Team-Events
Machine Learning Researcher in Wien
nyra health
Show more details
Full job description
Vienna
Permanent employment
Full-time
Home office possible
Austria
Tasks
Speech and Language Models: Entwicklung und Verbesserung von Modellen für neurologische Spracherkennung, Aussprachebeurteilung und Phonem-Analyse auf Basis proprietärer Modelle
Clinical AI: Forschung und Prototyping von Modellen für Therapieinhalts-Generierung, Patientenfortschritts-Vorhersage und klinische Entscheidungsunterstützung
Multimodale Ansätze: Erkundung von Kombinationen aus Sprache, Text und Verhaltenssignalen zur Entwicklung umfassenderer Modelle der Patientengenessung
Data Pipeline und Evaluation: Gestaltung von Evaluierungs-Frameworks, Aufbau von Trainings-Pipelines und Etablierung rigoroser Benchmarks für Modellleistung in klinischen Kontexten
Publikation und Zusammenarbeit: Beitrag zu wissenschaftlichen Publikationen und Zusammenarbeit mit akademischen Partnern an Forschungsprojekten
Production Integration: Zusammenarbeit mit Engineering zur Bereitstellung von Modellen im Production Stack Sicherstellung zuverlässiger Ausführung im großen Maßstab on-device und in der Cloud
Research Direction: Mitgestaltung der ML-Forschungs-Roadmap von nyra und Identifikation hochimpaktiger Chancen an der Schnittstelle von KI und neurologischer Rehabilitation
profile
AI-native Workflow: Tägliche Nutzung von KI-Tools wie Claude Code, Cursor, Copilot oder ähnlich nicht als Neuheit, sondern als Standard-Arbeitsweise
Multi-Agent Fluency: Komfort bei der Orchestrierung mehrerer KI-Agenten, Prompt-Verkettung und Aufbau von Workflows, bei denen KI die schwere Arbeit leistet
Tooling Mindset: Aktive Gestaltung der eigenen Entwicklungsumgebung Custom Scripts, Automation, MCP Server, CLI Tools
ML Research Experience: MSc oder PhD (oder gleichwertige praktische Erfahrung) in Machine Learning, Sprachverarbeitung, NLP oder verwandten Feldern
Speech and Audio Expertise: Starker Hintergrund in Spracherkennung, Sprachsynthese, Audioverarbeitung oder verwandten Bereichen (Erfahrung mit Whisper, wav2vec, HuBERT oder ähnlichen Architekturen)
Deep Learning Proficiency: Praktische Erfahrung mit PyTorch, Modelltraining im großen Maßstab und modernen Trainingstechniken (LoRA, RLHF, Distillation, etc.)
Research Rigor: Track Record von Publikationen, Open-Source-Beiträgen oder dokumentierten Forschungsprojekten
Engineering Skills: Fähigkeit, sauberen, produktionsreifen Python-Code zu schreiben nicht nur Notebooks
Evaluation Mindset: Erfahrung in der Gestaltung von Experimenten, Definition von Metriken und Ableitung gültiger Schlussfolgerungen aus Daten
Wissenschaftliche Rigorosität: Sorgfalt bei korrekter Durchführung angemessene Evaluation, Reproduzierbarkeit und ehrliche Bewertung
Impact-Orientierung: Motivation durch Modelle, die ausgeliefert werden und einen Unterschied machen
Neugier und Zusammenarbeit: Freude an der Zusammenarbeit mit Klinikern, Therapeuten und Produktteams
Selbstgelenkt: Fähigkeit, vielversprechende Forschungsrichtungen zu identifizieren und Projekte mit minimaler Anleitung voranzutreiben
Leidenschaft für Sprache und Kommunikation: Faszination für die Schnittstelle von KI und menschlicher Kommunikation, besonders bei unterversorgten Populationen
We offer
Zugang zum weltweit größten beschrifteten Datensatz neurologischer Sprache
Schnell wachsendes Digital-Health-Startup mit internationaler Ambition
Direkte Zusammenarbeit mit den Gründern und funktionsübergreifenden Teams
Möglichkeit zur Publikation und Zusammenarbeit mit Top-Akademischen Institutionen
Verantwortung von Tag eins und greifbare Auswirkungen auf Patientenergebnisse
Transparente, direkte Kommunikations- und Feedback-Kultur