Auf einen Blick
- Aufgaben: Entwickle und implementiere Modelle zur Analyse von Standortdaten und deren Auswirkungen.
- Unternehmen: Innovatives Unternehmen für Standortintelligenz mit einem starken Fokus auf Teamarbeit.
- Vorteile: Hybrid-Arbeit, persönliches Lernbudget und 30 Urlaubstage pro Jahr.
- Weitere Informationen: Dynamisches Umfeld mit hervorragenden Karrierechancen und regelmäßigen Teamevents.
- Warum dieser Job: Nutze deine Datenwissenschaftskompetenzen, um echte Geschäftsfragen zu beantworten und einen Unterschied zu machen.
- Qualifikationen: Mindestens 7 Jahre Erfahrung in der Datenwissenschaft und fundierte Kenntnisse in Statistik und maschinellem Lernen.
Das prognostizierte Gehalt liegt zwischen 49500 - 60500 € pro Jahr.
Adsquare macht Standortintelligenz für programmatische Werbetreibende. Wir lösen schwierige Probleme mit guten Menschen, guter Technologie und einer Menge Daten. Unsere Kernwerte leiten unsere Arbeitsweise, und wir stellen nach diesen Werten ein: Drive: Wir verwandeln Ambitionen in Aktionen, die wertvolle Ergebnisse liefern. Resilience: Wir passen uns an, halten durch und werden durch Herausforderungen stärker. No BS: Wir sind ehrlich, transparent und klar. Humble: Wir wählen Bescheidenheit über Eitelkeit und lassen die Ergebnisse sprechen. Moral Compass: Wir handeln mit Fairness, Integrität und Respekt.
Ihre Mission
Sie werden das wissenschaftliche Gewissen unserer Datenprodukte sein: die Person, die Milliarden von Standortdaten in Modelle umwandelt, die in der Produktion funktionieren und deren Wirksamkeit nachgewiesen werden kann. Sie sind verantwortlich für die Datenwissenschaft eines gesamten Bereichs, von der Geschäftsanfrage bis zum Live-Modell und dessen gemessener Auswirkung. Sie setzen den methodologischen Standard für das Team, überprüfen die Arbeiten anderer Datenwissenschaftler und entscheiden gemeinsam mit dem Produktteam, welche Fragen es wert sind, beantwortet zu werden, und formulieren Antworten stets mit den notwendigen wissenschaftlichen Beweisen.
Was Sie tun werden
- Modelle entwickeln und bereitstellen, die Geschäftsfragen beantworten.
- Modelle für die Messung des kausalen Einflusses von Kampagnen, die Klassifizierung von Zielgruppen, die Vorhersage von Besucherzahlen, Platz- und Zielgruppen-Embeddings sowie Empfehlungen entwerfen, validieren und bereitstellen.
- Die Methoden zur Schätzung des kausalen Einflusses besitzen: kontrafaktische und synthetische Kontrollmodelle, bayesianische strukturelle Zeitreihen, Differenz-in-Differenzen und Uplift-Modelle.
- Zeitreihenmodelle für Fußverkehr, Reichweite und Zielgruppengröße erstellen.
- Vektor-Embeddings von Orten, Geräten und Zielgruppen lernen und diese für Ähnlichkeitssuche, kollaboratives Filtern und Lookalike-Modellierung verwenden.
- LLMs für unsere eigenen Anwendungsfälle anpassen und bewerten.
- Wissenschaft mit Agenten durchführen.
- Den methodologischen Spielbuch des Teams schreiben.
- Die Roadmap gestalten.
- Klare technische Berichte und interne Dokumente schreiben.
- Adsquare in begutachteten Publikationen und auf Konferenzen vertreten.
Wie wir arbeiten: evidenzbasiert
Daten und Beweise treiben jede Entscheidung, die wir treffen. Eine Behauptung, die nicht mit Daten getestet wurde, ist eine Hypothese, kein Ergebnis. In der Praxis bedeutet das:
- Geschäftsbedarf zuerst: Jedes Algorithmus beginnt mit vereinbarten geschäftsrelevanten Erfolgsmetriken.
- Vorregistrierung: Hypothesen, primäre Metriken, Analyseplan und Stoppregeln werden vor der Betrachtung der Daten schriftlich festgehalten.
- Statistische Power: Stichprobengrößen und minimal nachweisbare Effekte werden im Voraus berechnet.
- Unabhängige Tests, ehrliche Unsicherheit: Jede Behauptung wird an zurückgehaltenen Daten getestet.
- Reproduzierbarkeit: Code, Datenversionen und Seeds werden aufgezeichnet.
- Negative Ergebnisse zählen: Ein gut durchgeführtes Experiment, das eine Idee verwirft, ist ein Erfolg.
Must have
- 7+ Jahre praktische Erfahrung in der Datenwissenschaft oder 4+ Jahre nach einem Doktortitel.
- Mathematische Tiefe: Sie kennen die Mathematik hinter den Methoden, die Sie verwenden.
- Wissenschaftliche Strenge: Sie arbeiten nach der wissenschaftlichen Methode.
- Kausale Inferenz: nachgewiesene Erfahrung in der Schätzung des kausalen Einflusses aus Beobachtungs- und experimentellen Daten.
- Core ML Toolkit: Produktionserfahrung mit Klassifikatoren, Vektor-Embeddings und Ähnlichkeitssuche.
- Agentic Coding: tägliche Arbeit mit Codierungsagenten.
- Große, unordentliche Daten: Erfahrung mit TB-großen, komplexen Daten in SQL und Python.
- Produktionsdenken: Python auf professionellem Niveau.
- Kommunikation: ausgezeichnetes wissenschaftliches Schreiben.
- Wirtschaftliches Verständnis: Verknüpfung von Modellmetriken mit Umsatz, Kosten und Kundenergebnissen.
- Werte: Sie leben Drive, Resilience, No BS, Humble und Moral Compass.
Nice to have
- Geo-räumliche Datenwissenschaft.
- Bayesianische Statistik.
- Zeitreihenprognose.
- Neurale Netzwerke.
- LLM-basierte Datenwissenschaft.
- Bildung: Master-Abschluss, idealerweise PhD.
- Publikationen: Erstautor oder bedeutende Beiträge zu begutachteten wissenschaftlichen Publikationen.
- Domäne: Erfahrung in programmatischer Werbung, Werbemessung oder Standortdaten.
Unser Stack
- Sprachen: Python, SQL
- Daten und Cloud: AWS, Snowflake, dbt, Docker, Terraform
- Wissenschaft und ML: scikit-learn, PyMC, FastAPI, Streamlit, Keras, etc.
- AI-Tools: Claude Code und andere Codierungsagenten, LLM-APIs, MCP-Server
Warum wir
- Hybridarbeit und bis zu 3 Monate im Jahr remote arbeiten.
- Ein persönliches Lernbudget von 1.200 EUR pro Jahr.
- 30 Urlaubstage pro Jahr.
- Mitgliedschaft im Urban Sports Club, betriebliche Altersvorsorge und Umzugs-/Homeoffice-Budget.
- Regelmäßige Team- und Unternehmensveranstaltungen.
- Neueste Hardware und alle Werkzeuge, die Sie zum Gedeihen benötigen.
Einige Schritte können vor Ort stattfinden, wenn Sie in Berlin ansässig sind.
Staff Data Scientist (m/f/d) in Berlin Arbeitgeber: Adsquare
Adsquare ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der Teamarbeit und individuelle Stärken geschätzt werden. Mit einem hybriden Arbeitsmodell, einem großzügigen jährlichen Lernbudget von 1.200 € und 30 Urlaubstagen pro Jahr fördert das Unternehmen die persönliche und berufliche Weiterentwicklung seiner Mitarbeiter. Zudem sorgt die Unternehmenskultur, die auf Werten wie Resilienz, Ehrlichkeit und Integrität basiert, für ein respektvolles und motivierendes Arbeitsklima.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Staff Data Scientist (m/f/d) in Berlin erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Adsquare zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Staff Data Scientist (m/f/d) in Berlin mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Staff Data Scientist (m/f/d) bei Adsquare gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Adsquare vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Adsquare entscheidend sein!