Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Entwickle präzise Produktionsprognosen für erneuerbare Energien im Team.
- Arbeitgeber: Ein innovatives Unternehmen in der Energiebranche, das nachhaltige Lösungen fördert.
- Mitarbeitervorteile: 30 Urlaubstage, Urlaubsgeld und Weihnachtsgeld warten auf dich!
- Warum dieser Job: Gestalte die Zukunft der Energie mit modernster Technologie und einem dynamischen Team.
- Gewünschte Qualifikationen: Erfahrung in Zeitreihenanalyse und Vorhersagemodellen ist erforderlich.
- Andere Informationen: Vollzeitstelle mit der Möglichkeit, remote zu arbeiten.
Das voraussichtliche Gehalt liegt zwischen 57000 - 95000 € pro Jahr.
Für unseren Kunden aus der Energiebranche suchen wir zum nächstmöglichen Zeitpunkt Unterstützung.
Startdatum: 01.01.2025
Laufzeit: 5 Projektmonate (ANÜ)
Einsatzort: Köln/Remote
Auslastung: Vollzeit; 38h/Woche
Jahresbruttogehalt: 95.000 Euro
Mitarbeit in einem Entwicklungsteam zur Entwicklung sekundengenauer Produktionsprognosen erneuerbarer Energien. In Zusammenarbeit mit einem internen Data Scientist soll der bestehende Ansatz weiterentwickelt und validiert werden. Der Code muss produktionsreif sein und mit Entwicklern für einen Roll-Out vorbereitet werden.
- Preprocessing und Modeltraining mit mehreren hundert GB großen Datensätzen
- Optimierung der Features für Windgeschwindigkeit und Windrichtung
- Implementierung von AzureML-Validierungsläufen und Compute-Umgebung
- Untersuchung der Möglichkeit, von Modell-Stacking zu einem Einzelmodell zu wechseln (falls erforderlich)
- Anpassung des Modells, um schneller auf sich ändernde Bedingungen reagieren zu können (falls erforderlich)
- Erprobung von Deep-Learning-Ansätzen
- Mitarbeit in einem Entwicklungsteam zur Entwicklung 15-minütiger Produktionsprognosen für Energiezeitreihen
- Entwicklung und Optimierung von Modellen: Erstellung neuer Machine-Learning-Modelle und kontinuierliche Verbesserung bestehender Modelle zur Steigerung von Prognosegenauigkeit und Effizienz
- Ausführliche Validierung: Durchführung detaillierter Validierungsprozesse für neue Modellansätze, einschließlich Tests auf Robustheit, Generalisierbarkeit und Performance anhand von spezifischen Metriken
- Analyse und Verbesserung der ML-Ops-Pipeline: Identifikation von Schwachstellen und Entwicklung von Vorschlägen zur Optimierung der Kernfunktionen der ML-Ops-Pipeline, um Skalierbarkeit, Automatisierung und Zuverlässigkeit zu verbessern
- Zusammenarbeit mit interdisziplinären Teams: Enge Abstimmung mit Data Engineers, Softwareentwicklern und Fachbereichen, um Anforderungen zu klären und Verbesserungen zielgerichtet umzusetzen
Requirements
- Zeitreihenprognose: Erfahrung mit Zeitreihenanalyse und -modellierung
- Erstellung und Implementierung von Vorhersagemodellen für verschiedene Branchen
- Analyse und Interpretation von Zeitreihendaten zur Verbesserung der Vorhersagegenauigkeit
Benefits
- 30 Urlaubstage
- Urlaubsgeld
- Weihnachtsgeld
Data Scientist (m/w/d) Arbeitgeber: NES Fircroft
Kontaktperson:
NES Fircroft HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Data Scientist (m/w/d)
✨Tip Nummer 1
Netzwerke sind entscheidend! Nutze Plattformen wie LinkedIn, um dich mit Fachleuten aus der Energiebranche zu vernetzen. Suche nach Gruppen oder Foren, die sich auf Data Science und erneuerbare Energien konzentrieren, um wertvolle Kontakte zu knüpfen.
✨Tip Nummer 2
Bleibe über aktuelle Trends in der Datenwissenschaft und der Energiebranche informiert. Verfolge relevante Blogs, Podcasts oder Webinare, um dein Wissen zu erweitern und interessante Gesprächsthemen für Interviews zu haben.
✨Tip Nummer 3
Praktische Erfahrung ist Gold wert! Arbeite an eigenen Projekten oder beteilige dich an Open-Source-Projekten, die sich mit Zeitreihenanalysen oder Machine Learning befassen. Dies zeigt deine Fähigkeiten und dein Engagement für das Fachgebiet.
✨Tip Nummer 4
Bereite dich auf technische Interviews vor, indem du häufige Fragen zu Machine Learning, Zeitreihenprognosen und spezifischen Tools wie AzureML übst. Simuliere Interviews mit Freunden oder nutze Online-Plattformen, um dein Wissen zu testen.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Data Scientist (m/w/d)
Tipps für deine Bewerbung 🫡
Verstehe die Anforderungen: Lies die Stellenbeschreibung sorgfältig durch und achte auf spezifische Anforderungen wie Erfahrung in der Zeitreihenprognose und Kenntnisse in AzureML. Stelle sicher, dass du diese Punkte in deiner Bewerbung ansprichst.
Betone relevante Erfahrungen: Hebe in deinem Lebenslauf und Anschreiben deine Erfahrungen mit Zeitreihenanalyse, Machine Learning und der Zusammenarbeit in interdisziplinären Teams hervor. Verwende konkrete Beispiele, um deine Fähigkeiten zu untermauern.
Motivationsschreiben: Verfasse ein überzeugendes Motivationsschreiben, in dem du erklärst, warum du für die Position als Data Scientist geeignet bist. Gehe darauf ein, wie du zur Entwicklung von Produktionsprognosen beitragen kannst und welche Ideen du für die Optimierung der ML-Ops-Pipeline hast.
Prüfe deine Unterlagen: Bevor du deine Bewerbung einreichst, überprüfe alle Dokumente auf Vollständigkeit und Fehler. Achte darauf, dass dein Lebenslauf aktuell ist und alle relevanten Informationen enthält.
Wie du dich auf ein Vorstellungsgespräch bei NES Fircroft vorbereitest
✨Verstehe die Anforderungen der Stelle
Mach dich mit den spezifischen Aufgaben und Anforderungen des Data Scientist-Profils vertraut. Überlege dir, wie deine bisherigen Erfahrungen und Fähigkeiten in den Bereichen Zeitreihenanalyse, Machine Learning und Modellvalidierung zu den Erwartungen des Unternehmens passen.
✨Bereite praktische Beispiele vor
Sei bereit, konkrete Beispiele aus deiner bisherigen Arbeit zu nennen, die deine Fähigkeiten in der Datenanalyse und -modellierung demonstrieren. Zeige, wie du Herausforderungen gemeistert hast und welche Ergebnisse du erzielt hast, insbesondere im Bereich der Prognosegenauigkeit.
✨Kenntnisse über Tools und Technologien
Informiere dich über die verwendeten Technologien, wie AzureML, und sei bereit, Fragen dazu zu beantworten. Zeige dein Verständnis für die ML-Ops-Pipeline und wie du zur Optimierung beitragen kannst.
✨Teamarbeit betonen
Da die Zusammenarbeit mit interdisziplinären Teams wichtig ist, solltest du Beispiele für erfolgreiche Teamprojekte parat haben. Betone deine Kommunikationsfähigkeiten und wie du effektiv mit Data Engineers und Softwareentwicklern zusammengearbeitet hast.
