Informationen zur Anzeige:
Data Scientist (w/m/d)
Brunel GmbH NL Osnabrück
Osnabrück (DE)
Aktualität: 28.11.2024
Anzeigeninhalt:
28.11.2024, Brunel GmbH NL Osnabrück
Osnabrück (DE)
Data Scientist (w/m/d)
Aufgaben:
Datenanalyse und -modellierung: Entwerfen und Implementieren von Algorithmen und statistischen Modellen zur Analyse komplexer Daten und zur Vorhersage von Trends.
- Datenaufbereitung: Sammlung, Bereinigung und Verarbeitung großer Datensätze aus verschiedenen Quellen, um eine solide Grundlage für Analysen zu schaffen.
- Explorative Datenanalyse (EDA): Durchführung von Analysetests, um wichtige Muster, Anomalien und Zusammenhänge in den Daten zu identifizieren.
- Maschinelles Lernen: Entwicklung und Anwendung von Machine-Learning-Modellen zur Klassifizierung, Regression und Mustererkennung.
- Datenvisualisierung: Erstellen von interaktiven Dashboards und Reports, um komplexe Ergebnisse verständlich und anschaulich zu präsentieren (z.B. mit Tools wie Tableau, Power BI, Matplotlib).
- Kollaboration: Enge Zusammenarbeit mit anderen Abteilungen, insbesondere den Teams aus den Bereichen Business Intelligence, Engineering und Marketing, um geschäftliche Herausforderungen zu adressieren und Lösungen zu entwickeln.
- Optimierung von Modellen: Verbesserung bestehender Modelle zur Effizienzsteigerung und Leistungssteigerung.
- Berichterstattung und Präsentation: Präsentation von Analyseergebnissen und Handlungsempfehlungen an Stakeholder und Entscheidungsträger.
Qualifikationen:
Ausbildung: Abgeschlossenes Studium in Informatik, Mathematik, Statistik, Ingenieurwissenschaften oder einem verwandten Bereich. Ein Master oder PhD ist von Vorteil.
-
Erfahrung: Mindestens [X Jahre] Erfahrung in einer ähnlichen Rolle als Data Scientist oder in der Datenanalyse, idealerweise in einem relevanten Industriebereich (z.B. Finanzen, E-Commerce, Gesundheitswesen).
Sehr gute Kenntnisse in Datenwissenschafts-Tools und Programmiersprachen wie Python, R, SQL und Hadoop.
Erfahrung mit Maschinellen Lernmethoden (überwachtes und unüberwachtes Lernen, Klassifikation, Regression, Clustering, etc.).
Kenntnisse in Datenvisualisierungstools wie Tableau, Power BI oder ähnlichen Softwarelösungen.
Erfahrung in der Datenverarbeitung mit Pandas, NumPy und anderen Datenbibliotheken.
Kenntnisse in der Anwendung von Statistik und Wahrscheinlichkeitsmodellen.
Erfahrung mit Big Data-Technologien wie Spark und HDFS ist von Vorteil.
Erfahrung in der Zusammenarbeit mit verschiedenen Abteilungen und der Kommunikation von Analyseergebnissen an nicht-technische Stakeholder.
Standorte