Auf einen Blick
- Aufgaben: Leite die Entwicklung von Systemen zur Umwandlung von Rohdaten in umsetzbare Erkenntnisse.
- Unternehmen: Innovatives Unternehmen, das eine Plattform für Zusammenarbeit bietet.
- Vorteile: Vielfältige Vorteile für physische, mentale und finanzielle Gesundheit sowie Work-Life-Balance.
- Weitere Informationen: Wachstumsorientierte Umgebung mit vielen Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und arbeite an spannenden Projekten mit echtem Einfluss.
- Qualifikationen: Mindestens 6 Jahre Erfahrung in angewandter Datenwissenschaft oder Produktanalytik.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Was Sie erwarten können: Führen Sie die Entwicklung eines Systems an, das rohe Telemetriedaten in umsetzbare Erkenntnisse umwandelt, indem Sie Automatisierung und skalierbare MLOps-Prinzipien in einer Multi-Produkt-SaaS-Umgebung anwenden. Zu den Aufgaben gehören Datenexploration, Modellentwicklung, Bereitstellung, Produktionsüberwachung und Incident-Response. Die Rolle konzentriert sich auf die Skalierung prädiktiver Analytik für PQL-Scoring, Expansionsmodellierung und Abwanderungsvorhersage. Arbeiten Sie mit Teams zusammen, um Erkenntnisse in wirkungsvolle Geschäftsaktionen für Vertriebs-, Produkt- und Führungskräfte zu übersetzen. Liefern Sie eine vollständige Lösung, die über ad-hoc-Analysen hinausgeht, um eine robuste, produktionsfähige Intelligenzmaschine zu schaffen, die strategische Entscheidungen in der gesamten Organisation unterstützt.
Über das Team: Wir entwickeln Datenprodukte, die Umsatzentscheidungen auf einer Multi-Produkt-SaaS-Plattform unterstützen. Unser Team arbeitet eng mit Vertrieb, Produkt und Engineering zusammen, um Telemetriedaten in Aktionen umzuwandeln.
Aufgaben:
- Entwerfen und Bereitstellen von End-to-End-ML-Modellen – einschließlich PQL-Scoring, Abwanderungsvorhersage und Expansionsmodellierung – in Produktionsumgebungen mit definierten Latenz- und Genauigkeits-SLAs.
- Aufbauen und Pflegen von MLOps-Pipelines, die Datensatzversionierung, Überwachung von Merkmalsdrift, automatisches Retraining und Modellregistrierungsmanagement abdecken.
- Zusammenarbeiten mit Produkt- und Datenengineering-Teams zur Festlegung von Telemetrieschemata, Datenverträgen und Qualitätsvalidierungsrahmen, um sicherzustellen, dass Modelle mit zuverlässigen Daten trainiert und bewertet werden.
- Verantwortung für die Modellbeobachtbarkeit durch Erstellen von Dashboards und Warnungen für Leistungsabfälle, Vorhersagedrift und Datenanomalien – und Führen der Incident-Response, wenn Probleme auftreten.
- Standardisieren von Analyseframeworks durch Entwicklung wiederverwendbarer dbt-Datenmodelle und Verantwortung für den gesamten Experimentationszyklus, von A/B-Testdesign bis hin zu Empfehlungen für den Versand oder Nicht-Versand.
Was wir suchen:
- Nachweis von über 6 Jahren Erfahrung in angewandter Datenwissenschaft oder Produktanalytik oder gleichwertiger praktischer Erfahrung.
- Anwenden von fortgeschrittenem SQL und Python (Pandas, Scikit-learn, Statsmodels, PyTorch oder TensorFlow), um komplexe analytische Probleme zu lösen.
- Erstellen, Bereitstellen und Überwachen von ML-Modellen in Produktionsumgebungen mit Fokus auf Zuverlässigkeit und Leistung.
- Starke Grundlagen in Statistik, kausaler Inferenz und Experimentdesign auf Geschäftsprobleme anwenden.
- Arbeiten mit Telemetrie- und Ereignisdaten, um das Nutzerverhalten und das Produktengagement zu modellieren.
- MLOps-Plattformen wie MLflow, SageMaker, Vertex AI oder Kubeflow verwenden, um Modelllebenszyklen zu verwalten.
- Datenqualitäts- und Beobachtbarkeitstools (z.B. Great Expectations, Soda, Monte Carlo) auf vorgelagerte Datenpipelines anwenden.
- LLMs oder generative KI-Techniken nutzen, um die Einsichtsgenerierung aus Telemetriedaten zu automatisieren.
Arbeitsweise: Unser strukturierter hybrider Ansatz ist auf unsere Büros und Remote-Arbeitsumgebungen ausgerichtet. Der Arbeitsstil jeder Rolle, Hybrid, Remote oder Vor-Ort, wird in der Stellenbeschreibung/-anzeige angegeben.
Vorteile: Im Rahmen unserer preisgekrönten Arbeitsplatzkultur und unseres Engagements für das Wohlbefinden bieten wir ein vielfältiges Programm an Vorteilen, um unseren Mitarbeitern zu helfen, ihre körperliche, geistige, emotionale und finanzielle Gesundheit zu erhalten; die Work-Life-Balance zu unterstützen; und auf sinnvolle Weise zur Gemeinschaft beizutragen.
Über uns: Zoomies helfen Menschen, verbunden zu bleiben, damit sie gemeinsam mehr erreichen können. Wir haben uns zum Ziel gesetzt, die beste Kollaborationsplattform für Unternehmen zu schaffen und helfen heute Menschen, besser zu kommunizieren mit Produkten wie Zoom Contact Center, Zoom Phone, Zoom Events, Zoom Apps, Zoom Rooms und Zoom Webinars.
Unser Engagement: Bei Zoom glauben wir, dass großartige Arbeit entsteht, wenn Menschen sich unterstützt und ermächtigt fühlen. Wir setzen uns für faire Einstellungsverfahren ein, die sicherstellen, dass jeder Kandidat basierend auf Fähigkeiten, Erfahrungen und Potenzial bewertet wird.
Data Scientist Arbeitgeber: Zoom
Zoom ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der Mitarbeiter ihre Fähigkeiten entfalten und ihre Karriere vorantreiben können. Mit einem hybriden Arbeitsansatz und einem umfassenden Benefits-Programm fördert Zoom das Wohlbefinden seiner Mitarbeiter und unterstützt eine ausgewogene Work-Life-Balance. Die Möglichkeit, an bedeutenden Veranstaltungen zu arbeiten und kreative Lösungen zu entwickeln, macht diese Position besonders attraktiv für Fachkräfte im Bereich Field Marketing.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Scientist 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 Zoom 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 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 bei Zoom gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Zoom 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 Zoom entscheidend sein!
