Auf einen Blick
- Aufgaben: Verwalte den gesamten Datenlebenszyklus und stelle sicher, dass unsere KI-Modelle mit hochwertigsten Daten trainiert werden.
- Unternehmen: STARK, ein innovatives Unternehmen im Bereich Verteidigungstechnologie.
- Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitszeiten und die Möglichkeit, an spannenden Projekten zu arbeiten.
- Weitere Informationen: Dynamisches Team mit direktem Einfluss auf die Entwicklung autonomer Systeme.
- Warum dieser Job: Starte deine Karriere in der KI und arbeite an realen, zukunftsweisenden Technologien.
- Qualifikationen: Organisiert, detailorientiert und Grundkenntnisse in Computer Vision und Machine Learning.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
STARK ist ein neues Unternehmen im Bereich Verteidigungstechnologie, das die Art und Weise revolutioniert, wie autonome Systeme in verschiedenen Bereichen eingesetzt werden. Wir entwerfen, entwickeln und produzieren leistungsstarke unbemannte Systeme, die softwaredefiniert, massenhaft skalierbar und kosteneffektiv sind. Dies verschafft unseren Betreibern einen entscheidenden Vorteil in stark umkämpften Umgebungen.
Das Data Operations-Team ist für den gesamten Datenlebenszyklus hinter STARKs KI-Stack verantwortlich: Sammlung, Akquisition, Generierung, Kuratierung und Verwaltung. Wir führen unsere eigenen Datensammlungskampagnen in ganz Europa durch, bewerten neue Sensoren und Plattformen und bauen die interne Datenplattform auf, die rohe Aufzeichnungen in gebrauchsfertige Datensätze umwandelt.
Ihre Mission ist es, die entscheidende Verbindung zwischen unseren Rohdaten aus dem Feld, unseren externen Labeling-Partnern und unseren internen Machine Learning-Teams herzustellen. Ihre Aufgabe besteht darin, sicherzustellen, dass unsere KI-Modelle mit den hochwertigsten Daten trainiert werden. Sie sind verantwortlich für die täglichen Abläufe des Datenlabeling-Lebenszyklus: Kuratierung von Rohdaten, Vorbereitung von Annotierungsbatches, Verwaltung der Kommunikation mit Anbietern und strenge Bewertung der Qualität eingehender Labels.
- Verantwortung für den täglichen Datenlabeling-Lebenszyklus: Kuratierung von Rohdaten, Erstellung von Annotierungsbatches und Vorbereitung von Lieferungen für externe Labeling-Unternehmen.
- Hauptansprechpartner für externe Datenannotierungsanbieter, Klärung von Grenzfällen und Bereitstellung von Feedback zu Labeling-Richtlinien.
- Durchführung strenger Qualitätsprüfungen (QA) bei eingehenden Label-Lieferungen, Verfolgung von Fehlerquoten und Erstellung von Leistungsberichten.
- Unterstützung bei der Datenkuratierung, Filterung und Auswahl der wertvollsten Sensordaten (Bilder, Videos, LiDAR) für das Modelltraining.
- Enge Zusammenarbeit mit ML-Ingenieuren, um deren Datenbedürfnisse, Grenzfälle und spezifische Anforderungen an Computer Vision zu verstehen.
- Pflege des Datenkatalogs durch ordnungsgemäße Kennzeichnung und Protokollierung eingehender Datensätze.
Qualifikationen:
- Hochgradig organisiert und detailorientiert: Sie können mehrere Datenbatches, Lieferungen von Anbietern und QA-Prozesse gleichzeitig verwalten.
- Starke Kommunikationsfähigkeiten: Sie sind in der Lage, mit externen Anbietern zu koordinieren und klare, eindeutige Anweisungen/Richtlinien zu schreiben.
- Grundlegendes Verständnis von Computer Vision und Machine Learning-Konzepten (z. B. Bounding Boxes, Segmentierungs-Masken, Objektverfolgung).
- Vertrautheit mit grundlegender Skripterstellung (Python) und Datenabfragen (SQL), um kleine Aufgaben zu automatisieren oder Datenbatches zu filtern.
- Pragmatischer Problemlöser, der es genießt, Ordnung in chaotische Datenlieferungen zu bringen.
- Fließend in Englisch.
Wünschenswert:
- Vertrautheit mit Annotierungsformaten (wie COCO) und ML-Datensatzstrukturen.
- Frühere Erfahrung mit Datenannotierungsplattformen (CVAT, Labelbox, Scale AI usw.).
- Erfahrung mit Sensordaten (RGB, Thermal, LiDAR) oder Robotikbereichen.
SICHERHEITSPRÜFUNG: Aufgrund der Natur unserer Arbeit im Verteidigungssektor müssen die Kandidaten berechtigt sein, die erforderliche Sicherheitsüberprüfung für diese Position zu erhalten und aufrechtzuerhalten.
GLEICHE CHANCEN: Wir sind ein Arbeitgeber, der Chancengleichheit fördert und uns verpflichtet hat, einen vielfältigen und integrativen Arbeitsplatz zu schaffen. Alle qualifizierten Bewerber werden ohne Rücksicht auf Rasse, Hautfarbe, Religion, Geschlecht, nationale Herkunft, Behinderung oder andere gesetzlich geschützte Merkmale berücksichtigt.
Data Operations & Labeling Specialist (all genders) Arbeitgeber: Stark
STARK ist ein innovatives Unternehmen im Bereich Verteidigungstechnologie, das seinen Mitarbeitern in München oder Berlin eine dynamische und kollaborative Arbeitsumgebung bietet. Hier haben Sie die Möglichkeit, an der Entwicklung hochmoderner unbemannter Systeme zu arbeiten und Ihre Fähigkeiten in einem schnelllebigen, startup-ähnlichen Umfeld weiterzuentwickeln. Wir fördern eine Kultur der Vielfalt und Inklusion und bieten zahlreiche Möglichkeiten zur beruflichen Weiterentwicklung, während wir gemeinsam an der technologischen Überlegenheit unserer NATO-Partner arbeiten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Operations & Labeling Specialist (all genders) 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 Stark 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 Operations & Labeling Specialist (all genders) 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 Operations & Labeling Specialist (all genders) bei Stark gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Stark 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 Stark entscheidend sein!
