Data Scientist: ML, Data Pipelines & Azure (Remote)

EVN Wärmekraftwerke GmbH Thermische Abfallverwertung; Kleinschönbichl; Hybrid; EUR 40.000 - 47.000; Vollzeit

Benefits dieser Stelle

Home-Office MAS

Flexible Arbeitszeiten

Weiterbildung

Sicherheit am Arbeitsplatz

Zusammenfassung

EVN Wärmekraftwerke GmbH Thermische Abfallverwertung sucht eine/n Data Scientist/Data Engineer zur Entwicklung und dem Betrieb von ETL/ELT-Pipelines sowie KI-gestützten Workflows in Azure-Umgebungen (Databricks, Data Lake).

Sie analysieren Muster, trainieren ML-Modelle (Forecasting, Predictive Maintenance) und setzen MLOps-Prinzipien um. Ergebnisse werden mit PowerBI visualisiert und fachliche Anforderungen in datengetriebene Use Cases übersetzt.

Qualifikationen

• Abgeschlossenes FH/Uni-Studium in Data Science, Informatik oder vergleichbar.
• Erfahrung in Data Science, ML oder Data Engineering.
• Sehr gute Programmierkenntnisse in Python (Pandas, Scikit-learn, PySpark).
• Grundkenntnisse in MLOps, CI/CD und Versionskontrolle (Git).
• Interesse oder Erfahrung im Bereich Energietechnik und Energieerzeugung.

Aufgaben

• Entwicklung und Betrieb von Datenpipelines und KI-Workflows.
• Modelle entwickeln, trainieren und validieren (Forecasting, Predictive Maintenance).
• MLOps-Prinzipien Deployment, Monitoring, Lifecycle.
• Visualisierung der Ergebnisse und Reports für Stakeholder (PowerBI).
• UseCases aus fachlichen Anforderungen ableiten und Lösungen entwickeln.
• Mitwirkung bei Data Governance und Datenqualitätsinitiativen.
• Arbeiten im Team in interdisziplinärer Umgebung.

Kenntnisse

Python

Pandas

Scikit-learn

PySpark

Azure Databricks

Data Lake

ML/DS

CI/CD Git

Ausbildung

Abgeschlossenes FH/Uni-Studium in Data Science oder Informatik

Tools

Databricks

Data Lake Technologien

Jobbeschreibung

EVN Wärmekraftwerke GmbH Thermische Abfallverwertung sucht eine/n Data Scientist/Data Engineer zur Entwicklung und dem Betrieb von ETL/ELT-Pipelines sowie KI-gestützten Workflows in Azure-Umgebungen (Databricks, Data Lake).

Sie analysieren Muster, trainieren ML-Modelle (Forecasting, Predictive Maintenance) und setzen MLOps-Prinzipien um. Ergebnisse werden mit PowerBI visualisiert und fachliche Anforderungen in datengetriebene Use Cases übersetzt.