Data Scientist – Recommender Systems | Remote & Flexible Hours

NZZ

Zürich

Hybrid

CHF 110.000 - 150.000

Vollzeit

Vor 3 Tagen

Sei unter den ersten Bewerbenden

Bewerbungsgenerator

Erhalte eine Antwort von diesem Arbeitgeber — ein Lebenslauf und ein Anschreiben, die genau auf die Eigenschaften eingehen, die gesucht werden.

Schaffe es an den ATS-Filtern vorbei

Benefits dieser Stelle

Flexible Arbeitszeiten

Homeoffice möglich

Weiterbildungsangebote

Zusammenfassung

Die NZZ sucht eine engagierte Fachkraft im ML-Engineering für Content-Personalisierung. Du verantwortest die technische Infrastruktur und intelligente Empfehlungssysteme, um Leserinnen und Abonnenten relevante Geschichten zu zeigen.

Du arbeitest an ML-Pipelines, MLOps-Praktiken und Real-Time/Batches auf Google Cloud Vertex AI, analysierst Daten und kommunizierst Ergebnisse verständlich an Redaktion, Produkt und Marketing.

Qualifikationen

Abgeschlossenes Masterstudium in einem quantitativen Fachgebiet (Mathematik, Informatik, Statistik, Ingenieurwesen o. Ä.)
2–4 Jahre Berufserfahrung in Data Science oder ML Engineering, idealerweise mit Fokus auf Empfehlungs- oder Ranking-Systeme
Fundierte Python-Kenntnisse und praktische Erfahrung mit ML-Bibliotheken wie scikit-learn, TensorFlow oder PyTorch; Kenntnisse in pandas und SQL

Aufgaben

Weiterentwicklung, Verbesserung und Betrieb der Content-Empfehlungssysteme der NZZ – vom Prototyping bis zum produktiven Einsatz auf Google Cloud / Vertex AI
Verantwortung und kontinuierliche Optimierung von ML-Pipelines für Echtzeit- und Batch-Empfehlungsanwendungen (z. B. Artikelempfehlungen, personalisierte Newsletter, Churn-Prediction)
Umsetzung von MLOps-Best-Practices: Versionierung von Daten, Modellen und Code; CI/CD; automatisiertes Monitoring von Modellperformance und Data Drift
Planung und Auswertung von A/B-Tests sowie Ableitung konkreter Produktverbesserungen in enger Zusammenarbeit mit Produkt, Marketing und Redaktion
Durchführung explorativer Datenanalysen und verständliche Aufbereitung der Ergebnisse für technische und nicht-technische Stakeholder (v. A. Redaktion)
Beobachtung neuer Methoden, Tools und Forschungsergebnisse im Bereich Recommender Systems und NLP und Einbringen pragmatischer Ideen zu deren Anwendung

Kenntnisse

Python

scikit-learn

TensorFlow

PyTorch

pandas

SQL

Vertex AI

Airflow

BigQuery

Snowflake

Spark

Englisch

Deutsch

Ausbildung

Masterabschluss in Mathematik, Informatik, Statistik, Ingenieurwesen o. Ä.

Tools