Auf einen Blick
- Aufgaben: Entwickle KI-fähige Datenmodelle für maschinelles Lernen und fortschrittliche Analysen.
- Unternehmen: Innovatives Unternehmen im Bereich AI & Analytics mit hybrider Arbeitskultur.
- Vorteile: Attraktives Gehalt, umfassende Gesundheitsleistungen und Weiterbildungsmöglichkeiten.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Karrierechancen und flexiblen Arbeitsmodellen.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und arbeite an spannenden Projekten.
- Qualifikationen: Mindestens 8 Jahre Erfahrung in Datenmodellierung und Architektur.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Wir suchen einen Data Modeling Expert mit starkem Fokus auf KI/Analytik, um die nächste Generation von Datenplattformen zu ermöglichen, die prädiktive Analysen, maschinelles Lernen und intelligente Automatisierung unterstützen. Diese Rolle wird Datenmodelle entwerfen und optimieren, die Anwendungsfälle wie Netzzuverlässigkeit, prädiktive Wartung, Risikomodellierung bei Waldbränden, Kundenanalytik und KI-gesteuerte Operationen unterstützen.
Hauptverantwortlichkeiten
- Datenmodelle für KI bereitstellen, um maschinelles Lernen, fortgeschrittene Analytik und Echtzeitentscheidungen zu unterstützen
- Feature-fähige Datensätze für Data-Science-Teams erstellen und pflegen (Unterstützung bei der Merkmalsentwicklung)
- Semantische und analytische Datenschichten für BI, KI und Self-Service-Analytik entwickeln
- Mit Data Scientists zusammenarbeiten, um ML-Anwendungsfälle in skalierbare Datenstrukturen zu übersetzen
- Hochvolumige Zeitreihen- und IoT-Daten modellieren und integrieren (z.B. Smart Meter, Sensoren, Netztelemetrie)
- Echtzeit-/nahe Echtzeit-Datenpipelines für KI-gesteuerte Einblicke ermöglichen
- Sicherstellen, dass Datenmodelle MLOps-Frameworks unterstützen (Modelltraining, Validierung, Bereitstellungspipelines)
- Datenherkunft, Beobachtbarkeit und Qualitätsframeworks implementieren, um vertrauenswürdige KI-Ergebnisse zu unterstützen
- Datenstrukturen für Lakehouse-Architekturen und verteilte Rechenumgebungen optimieren
- Mit den Anforderungen an Datenverwaltung, Datenschutz und regulatorische Compliance in Einklang bringen
KI/Analytik-Anwendungsfall-Ausrichtung
- Prädiktive Wartung: Vorhersage von Asset-Ausfällen mithilfe von Sensor- und Wartungsdaten
- Risikomodellierung bei Waldbränden: Modellierung von Umwelt- und Netzdaten zur Risikovorhersage
- Lastprognose: Zeitreihenmodellierung zur Vorhersage des Energiebedarfs
- Kunden 360 Analytik: Verhaltenssegmentierung und Nutzungseinblicke
- Netzintelligenz: KI-gesteuerte Vorhersage von Ausfällen und Optimierung der Reaktion
- Generative KI-Befähigung: Strukturierung von Unternehmensdaten für LLM-basierte Einblicke und Co-Piloten
Erforderliche Qualifikationen
- 8+ Jahre Erfahrung in Datenmodellierung, Datenarchitektur oder Analytik-Engineering
- 3+ Jahre Erfahrung im Bereich Versorgungsunternehmen/Energie (Smart Grid, AMI, SCADA-Systeme), die elektrische, gasförmige und/oder Wasser-Versorgungsunternehmen unterstützen
- Starke Expertise in:
- Dimensionales Modellieren für Analytik (Star/Snowflake-Schemas)
- Datenmodellierung für maschinelle Lernpipelines
- SQL und Datentransformationsframeworks (dbt bevorzugt)
- Erfahrung im Entwerfen von Datenmodellen für:
- Datenseen/Lakehouse-Architekturen (Delta Lake, Iceberg usw.)
- Strukturierte + semi-strukturierte Daten (JSON, Parquet)
- Nachgewiesene Erfahrung in der Unterstützung von KI/ML-Workloads in Produktionsumgebungen
Bevorzugte Qualifikationen
- Erfahrung mit Cloud-KI-Ökosystemen: AWS (SageMaker, Redshift), Azure (Synapse, Azure ML), GCP (BigQuery, Vertex AI)
- Vertrautheit mit Zeitreihen- und Streaming-Plattformen (Kafka, Spark Streaming)
- Kenntnisse über Feature-Stores (Feast, Tecton)
- Erfahrung mit MLOps-Tools (MLflow, Kubeflow)
- Verständnis der Datenvorbereitung für LLM, Vektordatenbanken und Embeddings
Schlüsselkompetenzen
- AI/ML Datenmodellierung & Merkmalsentwicklung
- Lakehouse & moderne Datenarchitektur (dbt, Spark, Delta Lake)
- Zeitreihen- & Streaming-Datenmodellierung
- Datenverwaltung für KI (Qualität, Herkunft, Bias-Minderung)
- Leistungsoptimierung für Analytik-Workloads
- Interdisziplinäre Zusammenarbeit (Data Science, Engineering, Business)
Data Scientist III - Lead Data Architect Arbeitgeber: Dormont Manufacturing Co
Dormont Manufacturing Co ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern in Genf die Möglichkeit bietet, an der Weiterentwicklung der SonarQube-Plattform zu arbeiten. Mit einer flexiblen Arbeitsweise, die sowohl Büro- als auch Remote-Tage umfasst, fördert das Unternehmen eine Kultur der Vielfalt und des kontinuierlichen Lernens, während es gleichzeitig spannende Wachstumschancen in einem dynamischen Umfeld bietet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Scientist III - Lead Data Architect 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 Dormont Manufacturing Co 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 Data Scientist III - Lead Data Architect 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 Data Scientist III - Lead Data Architect bei Dormont Manufacturing Co gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Dormont Manufacturing Co 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 Dormont Manufacturing Co entscheidend sein!
