Auf einen Blick
- Aufgaben: Entwickle innovative Predictive-Analytics-Verfahren und Machine-Learning-Modelle für Banken und Versicherungen.
- Unternehmen: Zukunftsorientiertes Unternehmen mit Fokus auf KI-Lösungen und flexibler Arbeitskultur.
- Vorteile: Mobiles Arbeiten, flexible Arbeitszeiten und umfassende Altersvorsorge.
- Weitere Informationen: Dynamisches Umfeld mit exzellenten Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und trage zu wichtigen Entscheidungen bei.
- Qualifikationen: Masterabschluss in Statistik oder verwandten Fächern und Kenntnisse in Python.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Deine Aufgaben: Du entwickelst innovative Predictive-Analytics-Verfahren, um aus statistischen Prognosen verlässliche Wahrscheinlichkeiten und fundierte datenbasierte Entscheidungen abzuleiten. Du untersuchst Methoden der Modellkalibrierung, Unsicherheitsquantifizierung und Conformal Prediction und bewertest ihre Eignung für robuste Prognosen sowie für fundierte Entscheidungen unter realen Datenbedingungen. Du entwickelst Machine-Learning-Modelle und Ensemble-Architekturen für tabellarische Daten und analysierst, wann komplexere Modelle gegenüber etablierten Verfahren einen messbaren Mehrwert bieten. Du entwickelst Evaluationsmethoden, die neben der Trennschärfe auch Wahrscheinlichkeitskalibrierung, statistische Unsicherheit, zeitliche Veränderungen und wirtschaftlich relevante Entscheidungsschwellen berücksichtigen. Du überführst aktuelle Forschung in innovative KI-Lösungen für Banken und Versicherungen, beispielsweise für die Risikobewertung, Tarifierung und Kundensteuerung.
Deine Skills: Du hast einen sehr guten Masterabschluss in Statistik, Mathematik, Informatik, Wirtschaftswissenschaften mit quantitativer Ausrichtung oder einem verwandten Fach und arbeitest aktuell an deiner Promotion oder beginnst das Promotionsstudium in Kürze. Du hast fundierte Kenntnisse in Python und im klassischen ML-Stack, etwa NumPy, pandas und scikit-learn, idealerweise ergänzt um XGBoost, LightGBM oder CatBoost. Du verfügst über ein solides Verständnis statistischer Modellierung, Modellvalidierung und prädiktiver Evaluation und weißt, dass hohe Vorhersagegüte nicht automatisch gut kalibrierte Wahrscheinlichkeiten bedeutet. Du kannst Trennschärfe und Wahrscheinlichkeitskalibrierung methodisch unterscheiden und mit geeigneten Metriken bewerten, etwa ROC-AUC und Average Precision für die Rankingqualität sowie Log Loss und Brier Score für probabilistische Prognosen. ECE und Reliability-Diagramme kennst du als ergänzende Instrumente zur Kalibrierungsanalyse und kannst die Grenzen der jeweiligen Metriken einordnen. Du hast Erfahrung mit zeitbasierter Modellvalidierung und Data-Leakage-Prävention und kennst bei überlappenden Label- oder Beobachtungszeiträumen geeignete Verfahren wie Purging und Embargo. Du verfügst über sehr gute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher) sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) in Wort und Schrift.
Diese Skills wären ein weiteres Plus, sind aber kein Muss: Kenntnisse in Platt Scaling, isotonischer Regression, Conformal Prediction oder probabilistischer Prognose. Erfahrung mit Ensemble Learning, Stacking, Zeitreihenprognosen oder Uplift-Modellierung. Kenntnisse in Distribution Shift, Concept Drift, Bootstrap-Konfidenzintervallen und zeitbasierter Modellvalidierung. Erfahrung mit Docker, Modellversionierung, Monitoring und dem produktiven Deployment von Machine-Learning-Modellen.
Deine Benefits: Versicherung & Altersvorsorge: Sicher unterwegs mit zeb – über eine Gruppenunfallversicherung bist du auch privat in Deutschland versichert. Für Auslandsdienstreisen besteht eine zusätzliche Auslandsversicherung, und für deine Altersvorsorge kannst du über zeb eine betriebliche Altersvorsorge abschließen. Mobiles Arbeiten: Durch unsere technische Ausstattung ist mobiles Arbeiten von überall möglich – unabhängig davon, ob du gerade im Zug, zu Hause oder im Office bist. zeb.life: Dein Leben verändert sich – und wir möchten dich in den verschiedenen Phasen begleiten. Mit zeb.life findest du Unterstützung beispielsweise bei der Kinderbetreuung, im Lebenslagenmanagement und Eldercare oder bei der Suche nach Conciergediensten. Arbeitszeitmodelle: Bei uns gilt für alle Mitarbeitenden das Prinzip "trust-based hours" für flexible Arbeitszeiten. Für Festangestellte sind auch Teilzeitmodelle möglich: Unter Berücksichtigung deines Projekts kannst du in Absprache mit deinem:deiner CDC (Career Development Counselor) dein Modell entwickeln und nach Bedarf anpassen. Gestalte dein Arbeitszeitmodell sowie deine Stunden damit nach deinen privaten Anforderungen und passe deine Arbeitszeiten an deine persönliche Situation an. Als Vertragsoption bietet das Modell "Family & More" zudem eine Garantie für reisefreie Wochentage, die vertraglich fixiert sind. Je nach Umfang der Reduzierung der Reisezeit erfolgt eine zeitlich befristete Gehaltsanpassung.
Doktorand Predictive Analytics als Analyst / Consultant (w|m|d) | findic in Berlin Arbeitgeber: findic
findic ist ein hervorragender Arbeitgeber, der dir die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld zu arbeiten. Mit einem starken Fokus auf persönliche Weiterentwicklung und Weiterbildungsmöglichkeiten fördert das Unternehmen deine Karriere und unterstützt dich dabei, deine individuellen Stärken auszubauen. Die offene und teamorientierte Unternehmenskultur ermöglicht es dir, aktiv an spannenden Projekten mitzuwirken und kreative Lösungen für unsere Kunden zu entwickeln.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Doktorand Predictive Analytics als Analyst / Consultant (w|m|d) | findic 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 findic 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 Doktorand Predictive Analytics als Analyst / Consultant (w|m|d) | findic 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 Doktorand Predictive Analytics als Analyst / Consultant (w|m|d) | findic bei findic gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei findic 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 findic entscheidend sein!
