Als Data Scientist treibst Du gemeinsam mit Deinem Projekt-Team herausfordernde Datenprojekte voran. Du arbeitest sofort auf realen Daten und kritischen Problemen unserer Kunden. Typische Beispiele sind die Entwicklung von Recommendation Systems, Text Classification und Churn Prediction. In Data-Projekten beweist Du Expertise für die Entwicklung von Algorithmen, ETL-Pipelines oder Data Lakes. Auf Augenhöhe arbeitest Du fachübergreifend gemeinsam mit unseren Kunden. ## Folgende Tätigkeiten liegen in Deinem Aufgabenbereich: - Entwicklung von technischen Lösungen für fachliche Herausforderungen unserer Kunden - Aufbau von ETL-Prozessen, Data Warehouses und Datenmodellen - Visualisierung und Aufbereitung der Ergebnisse sowie Ableitung von Handlungsempfehlungen - Entwicklung und Optimierung von Machine-Learning-Modellen - Deployment in Cloud-Systemen und Begleitung von Praxis-Tests Bei uns bist Du richtig, wenn Du wissbegierig bist und Lust hast, Dich als Data Scientist anspruchsvollen Problemen zu stellen und innovative Lösungen zu entwickeln. ## Wir sind kein Fan von starren Profilen. Um Dir trotzdem eine Idee zu geben, hier einige Skills, die Deine zukünftigen Kolleg\*innen häufig mitbringen: - Studium oder Promotion in einer quantitativen Fachrichtung, z.B. Informatik, Mathematik, Physik oder Data Science - Analytische Fähigkeiten, Denken in Daten und Strukturen - Erfahrung in Python oder anderen Programmiersprachen - Erfahrung mit Machine-Learning-Frameworks und Cloud-Plattformen - Die Fähigkeit, komplexe Probleme zu verstehen und Lösungsansätze mit Daten und Algorithmen zu entwickeln - Unternehmerische Denkweise - Fließende Deutschkenntnisse ## Unser Tech Stack: Hier findest Du einige der Technologien, mit denen Du nach Deinen ersten Projekten bei SCHICKLER in Berührung gekommen sein wirst: - Programmiersprachen: Python, R, JavaScript, SQL - ETL / Data-Modeling: dbt, Google Dataflow, Pandas - Deployment: Docker, Google Kubernetes Engines, CI / CD - Cloud Plattformen: Google Cloud Platform, Amazon Web Services - Datenbanken: BigQuery, Google Firestore - Datenvisualisierung: Tableau, PowerBI, Plotly, Matplotlib, Google Data Studio - Machine Learning: SciKit, xgboost, NLTK / spaCy, Keras, PyTorch, Prophet