Data Engineer / Data Scientist Energiewende (w/m/d)

ZipRecruiter; Berlin; Hybrid; EUR 60.000 - 90.000; Vollzeit

Zusammenfassung

Ein führendes Unternehmen im Bereich der Energiewende sucht einen Data Scientist, der die digitale Transformation vorantreibt. In dieser Rolle sind Sie verantwortlich für die Entwicklung und den Betrieb von KI-basierten Lösungen, die Zusammenarbeit mit Experten und die Optimierung von ML-Workflows. Flexible Arbeitszeiten und mobiles Arbeiten sind möglich.

Leistungen

Flexible Arbeitszeiten

Unbegrenzte Gleitzeit

Mobiles Arbeiten möglich

Qualifikationen

• 5+ Jahre Erfahrung im Bereich Data Science/Engineering.
• Ausgeprägte Kenntnisse in Python und ML-Techniken.
• Erfahrung mit großen Datensätzen und Datenbanken.

Aufgaben

• Entwicklung und Wartung von ML-Anwendungen in Python.
• Überwachung und Wartung von ML-Modellen in Produktionsumgebungen.
• Zusammenarbeit mit Data Scientists und Engineers zur Integration von Lösungen.

Kenntnisse

Python

Maschinelles Lernen

Datenverarbeitung

Problemlösung

Kommunikationsfähigkeiten

Tools

NumPy

Pandas

Scikit-learn

TensorFlow

PyTorch

Flask/FastAPI

SQL

MongoDB

Git

AWS SageMaker

Google Cloud AI

Azure ML

Jobbeschreibung

Job Description

Das macht diesen Job für mich interessant: 50Hertz engagiert sich seit langem für die Energiewende. Das Data Science-Team treibt unmittelbar die digitale Transformation im Unternehmen voran. In meiner Rolle verantworte ich die Entwicklung und den sicheren Betrieb von KI-basierten Lösungen.

In diesem Umfeld habe ich die Chance, mein Know-how in der Zusammenarbeit mit Spezialistinnen und Spezialisten kontinuierlich weiterzuentwickeln.

Aufgaben

1. Entwicklung und Wartung von Anwendungen: Schreiben sauberen, effizienten und skalierbaren Python-Codes zur Unterstützung von maschinellen Lernlösungen und Anwendungen.
2. Service Management: Überwachen der Bereitstellung, Überwachung und Wartung von ML-Modellen in Produktionsumgebungen, inklusive Bereitschaftsdienst (24/7).
3. Datenverarbeitung: Vorbereiten, Bereinigen und Transformieren von Daten für die Verwendung in maschinellen Lernmodellen, um qualitativ hochwertige Datensätze sicherzustellen.
4. Integration und Bereitstellung: Optimierung und Skalierung von ML-Workflows für die Produktion, um Effizienz und Leistung zu gewährleisten.
5. Zusammenarbeit: Zusammenarbeit mit Data Scientists, ML Engineers und Data Engineers, um Anforderungen zu verstehen, Lösungen umzusetzen und eine reibungslose Integration sicherzustellen.
6. Dokumentation: Pflege einer klaren und umfassenden Dokumentation des Codes, der Prozesse und Modelle für zukünftige Entwicklungen.
7. Aktives Mitglied im Data Chapter: Teilen der Ergebnisse innerhalb der Chapters, Product-Cluster und ggf. Konferenzen; Abstimmung von Schnittstellen & Standards innerhalb der Elia Group.

Qualifikationen

Ich bin Ambassador für KI und MLOps im gesamten Unternehmen und auf dem neuesten Stand der KI- und Advanced Analytics-Techniken.

Erfahrung: 5+ Jahre in einer verwandten Funktion im Bereich Data Science / Engineering.

Programmierkenntnisse: Ausgeprägte Kenntnisse in Python und seinen Bibliotheken/Frameworks wie NumPy, Pandas, Scikit-learn, TensorFlow, PyTorch und Flask/FastAPI.

Expertise im Bereich des maschinellen Lernens: Praktische Erfahrung mit ML-Algorithmen, Datenvorverarbeitung, Feature-Engineering und Modellbewertungstechniken.

Operative Fähigkeiten: Kenntnisse von Monitoring-Tools für ML-Dienste (z. B. Prometheus, Grafana).

Problemlösung: Ausgeprägte Fähigkeiten im Debugging und in der Fehlerbehebung in Produktionssystemen.

Datenverarbeitung: Erfahrung im Umgang mit großen Datensätzen und Datenbanken (z. B. SQL, MongoDB).

Versionskontrolle: Vertrautheit mit Git und kollaborativen Entwicklungsworkflows.

Cloud-Plattformen: Erfahrung mit Cloud-Diensten (z. B. AWS SageMaker, Google Cloud AI, Azure ML) ist von Vorteil.

Kommunikationsfähigkeiten: Fähigkeit, technische Konzepte sowohl technischen als auch nicht-technischen Stakeholdern zu erklären. Sehr gute Deutsch- und Englischkenntnisse (B2).
Wünschenswert: Verständnis von Kafka, Erfahrung mit MLFlow, Umgang mit AzureML.

Arbeitszeit & Flexibilität

37 Wochenstunden (Vollzeit), flexible Arbeitszeiten mit Langzeitkonto, unbegrenzte Gleitzeit, keine Kernarbeitszeit, mobiles Arbeiten (auch von zuhause) möglich.