Data Scientist (m/w/d) - Ingenieur, Datenbankentwicklung/BI

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