Auf einen Blick
- Aufgaben: Entwickle KI-Lösungen für komplexe Dokumentenverständnisaufgaben im juristischen Bereich.
- Unternehmen: Thomson Reuters, ein führendes Unternehmen im Bereich juristische KI.
- Vorteile: Flexible Arbeitszeiten, umfassende Sozialleistungen und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Hybrid-Arbeitsmodell und eine Kultur der kontinuierlichen Weiterbildung.
- Warum dieser Job: Gestalte die Zukunft der juristischen Forschung mit innovativen Technologien und mache einen echten Unterschied.
- Qualifikationen: PhD oder Master in Informatik, KI oder verwandten Bereichen; Erfahrung in der Entwicklung von Dokumentenverständnissystemen.
Das prognostizierte Gehalt liegt zwischen 45000 - 65000 € pro Jahr.
Diese Position ist in Zug, Schweiz oder London, UK angesiedelt.
Document Understanding ist eine grundlegende Intelligenzschicht, die jede wichtige Fähigkeit unserer rechtlichen KI-Plattform unterstützt, von der Suche und Informationsgewinnung bis hin zu agentischem Denken in Produkten wie Westlaw, PracticalLaw und CoCounsel. In dieser neuen Rolle werden Sie hochmoderne Systeme für semantisches Chunking, Dokumentenanreicherung und Wissensgraphkonstruktion entwickeln, die als kognitive Grundlage für mehrere Produktteams dienen, die auf autoritative rechtliche, steuerliche und buchhalterische Inhalte sowie außergewöhnlich vielfältige Kundendaten angewiesen sind.
Dies ist eine seltene Gelegenheit, Forschungsprobleme in Publikationsqualität mit unmittelbarem Produktionsimpact zu lösen – Ihre Innovationen werden direkt beeinflussen, wie Millionen von Juristen komplexe rechtliche Dokumente recherchieren, analysieren und darüber nachdenken, während sie die Fähigkeiten vorantreiben, die die nächste Generation intelligenter rechtlicher KI-Agenten ermöglichen.
Über die RolleAls Applied Scientist bei Thomson Reuters werden Sie:
- Innovieren & Liefern: End-to-End-AI-Lösungen für komplexe Aufgaben des Dokumentenverständnisses im rechtlichen Bereich entwerfen, bauen, testen und bereitstellen.
- Fortgeschrittene Modelle für semantisches Chunking von langen, nicht einheitlich strukturierten rechtlichen Dokumenten mit anpassbaren Granularitätsstufen für verschiedene Anwendungsfälle entwickeln.
- Systeme zur Dokumentenanreicherung erstellen, die Dokumente gemäß rechtlichen und kundendefinierten Taxonomien klassifizieren und reichhaltige Metadaten extrahieren.
- LLM-basierte Pipelines zur Konstruktion von Wissensgraphen erstellen, die heterogene rechtliche Kenntnisse einschließlich Zitationen, Entitäten und rechtlichen Konzepten aus verschiedenen rechtlichen Inhalten extrahieren und verknüpfen.
- Skalierbare Systeme zur Generierung synthetischer Daten entwickeln, um das Modelltraining zu unterstützen, komplexe rechtliche Forschungsanfragen zu simulieren und halluzinationsfreie Antworten zu generieren.
- In Zusammenarbeit mit der Technik sicherstellen, dass die Softwarebereitstellung gut verwaltet und zuverlässig in großem Maßstab erfolgt.
Bewerten & Optimieren: Umfassende Daten- und Bewertungsstrategien sowohl auf Komponenten- als auch auf End-to-End-Qualität entwickeln, wobei Expertenannotation und synthetische Datengenerierung genutzt werden.
Technische Entscheidungen treffen: Unabhängig geeignete Architekturen für herausfordernde Probleme des Dokumentenverständnisses bestimmen.
Ausgerichtet & Kommunizieren: Eng mit Engineering- und Produktteams zusammenarbeiten, um komplexe Herausforderungen des Dokumentenverständnisses in skalierbare, produktionsbereite Lösungen zu übersetzen.
Das Feld voranbringen: Wissenschaftliche und technische Expertise in einem oder mehreren relevanten Bereichen aufrechterhalten.
Über SieSie passen zur Rolle des Applied Scientist, wenn Sie:
- Ein PhD in Informatik, KI, NLP oder einem verwandten Bereich haben oder einen Master-Abschluss mit gleichwertiger Forschungs-/Branchenerfahrung.
- Nachweisbare praktische Erfahrung im Aufbau und in der Bereitstellung von Systemen zum Dokumentenverständnis, Informationsgewinnungspipelines und Wissensdestillation oder Wissensgraphkonstruktion mit Deep Learning, LLMs und NLP-Methoden haben.
- Ein solides Verständnis von Techniken zur Generierung synthetischer Daten für NLP haben.
- Ein tiefes Verständnis der Grundlagen des Dokumentenverständnisses haben.
- Die Fähigkeit nachweisen können, komplexe Probleme des Dokumentenverständnisses in innovative KI-Anwendungen zu übersetzen.
- Berufserfahrung im Skalieren und Führen durch andere in einem angewandten Forschungskontext haben.
- Starke Programmierkenntnisse (z.B. Python) und Erfahrung mit modernen Deep-Learning-Frameworks (z.B. PyTorch, Hugging Face Transformers, DeepSpeed) haben.
- Veröffentlichungen in relevanten Fachzeitschriften wie ACL, EMNLP, ICLR, NeurIPS, SIGIR, KDD haben.
Hybrid Work Model: Wir haben ein flexibles hybrides Arbeitsumfeld angenommen (2-3 Tage pro Woche im Büro, je nach Rolle).
Flexibilität & Work-Life-Balance: Flex My Way ist eine Reihe unterstützender Arbeitsplatzrichtlinien, die helfen, persönliche und berufliche Verantwortlichkeiten zu managen.
Karriereentwicklung und Wachstum: Durch die Förderung einer Kultur des kontinuierlichen Lernens und der Fähigkeitenentwicklung bereiten wir unser Talent darauf vor, die Herausforderungen von morgen zu bewältigen.
Wettbewerbsfähige Vorteile: Wir bieten umfassende Leistungspläne, einschließlich flexibler Urlaubsregelungen und Zugang zu Ressourcen für das Wohlbefinden.
Kultur: Global anerkannt, preisgekrönt für Inklusion und Zugehörigkeit.
Soziale Auswirkungen: Machen Sie einen Unterschied in Ihrer Gemeinschaft mit unserem Social Impact Institute.
Reale Auswirkungen: Wir sind eines der wenigen Unternehmen weltweit, das seinen Kunden hilft, Gerechtigkeit, Wahrheit und Transparenz zu verfolgen.
Applied Scientist, Search Arbeitgeber: Refinitiv
Thomson Reuters ist ein herausragender Arbeitgeber, der seinen Mitarbeitern in Zug oder London eine dynamische und unterstützende Arbeitsumgebung bietet. Mit einem flexiblen Hybrid-Arbeitsmodell, umfangreichen Entwicklungsmöglichkeiten und einem starken Fokus auf Work-Life-Balance fördert das Unternehmen eine Kultur des kontinuierlichen Lernens und der sozialen Verantwortung. Die Mitarbeiter profitieren von wettbewerbsfähigen Leistungen und der Möglichkeit, an bedeutenden Projekten zu arbeiten, die einen echten Einfluss auf die Rechtsbranche haben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Applied Scientist, Search erhalten könnten
✨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 Refinitiv 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 Applied Scientist, Search 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 Applied Scientist, Search bei Refinitiv gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Refinitiv 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 Refinitiv entscheidend sein!
