Data Scientist, Recommender Systems | Home Office

Data Scientist, Recommender Systems | Home Office

Zürich Vollzeit 90000 - 110000 CHF / Jahr (geschätzt) Homeoffice (teilweise)
N

Auf einen Blick

  • Aufgaben: Entwickle und optimiere Empfehlungssysteme mit modernsten ML-Technologien.
  • Unternehmen: NZZ, ein innovatives Medienunternehmen mit Fokus auf digitale Lösungen.
  • Vorteile: Flexibles Home Office, wettbewerbsfähiges Gehalt und Weiterbildungsmöglichkeiten.
  • Weitere Informationen: Dynamisches Team mit vielen Entwicklungsmöglichkeiten.
  • Warum dieser Job: Gestalte die Zukunft der Content-Personalisierung und arbeite an spannenden Projekten.
  • Qualifikationen: Master in einem quantitativen Fach und 2-4 Jahre Erfahrung in ML.

Das prognostizierte Gehalt liegt zwischen 90000 - 110000 CHF pro Jahr.

Die NZZ sucht eine Data Scientist - Recommender Systems (80-100%) in Zürich, die die Content-Personalisierung vom Prototyp bis zum produktiven Einsatz verantwortet.

Du arbeitest an ML-Pipelines, A/B-Tests und der Optimierung von Empfehlungssystemen im Google Cloud-Stack und trägst zur Einbindung von Produkt, Marketing und Redaktion bei.

Du bringst ein Master in einem quantitativen Fach, 2–4 Jahre relevante Erfahrung sowie Kenntnisse in ML-Libraries, Vertex AI und MLOps mit.

#J-18808-Ljbffr

Data Scientist, Recommender Systems | Home Office Arbeitgeber: NZZ

Die NZZ ist ein hervorragender Arbeitgeber, der seinen Mitarbeitenden eine anspruchsvolle und abwechslungsreiche Tätigkeit im Bereich Print-Produktmanagement bietet. Mit einem inspirierenden Arbeitsumfeld in zentraler Lage in Zürich, flexiblen Arbeitszeiten und vielfältigen Weiterbildungsmöglichkeiten fördert die NZZ nicht nur die berufliche Entwicklung, sondern auch die Vereinbarkeit von Beruf und Privatleben. Hier hast du die Chance, innovative Ideen einzubringen und in einem engagierten Team zu wachsen.

N

Kontaktdaten:

NZZ Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Data Scientist, Recommender Systems | Home Office erhalten könntest

Zuhause im Data-Science-Umfeld

Um im Data-Science-Bereich sichtbar zu werden, schau mal in lokale Meetups oder Hackathons rein. Da kannst du nicht nur dein Netzwerk erweitern, sondern auch spannende Projektideen sammeln und zeigen, was du drauf hast.

Online-Portfolios sind der Hit!

Erstelle ein Portfolio mit deinen besten Projekten, zum Beispiel auf GitHub oder über eine eigene Webseite. Zeig, an welchen Analyse-Projekten du gearbeitet hast, und überlege dir, praktische Anwendungsfälle zu zeigen, die deine Skills unterstreichen.

Verstärk dein Netzwerk mit LinkedIn

Folge wichtigen Persönlichkeiten im Data-Science-Bereich auf LinkedIn und beteilige dich an Diskussionen. Teilen von interessanten Inhalten und Insights kann deine Sichtbarkeit erhöhen und dich zu potenziellen Arbeitgebern bringen.

Bewirb dich direkt über unsere Website!

Wenn du eine Stelle wie Data Scientist, Recommender Systems | Home Office bei NZZ in Aussicht hast, bewirb dich direkt über unsere Website. Das zeigt Engagement und du könntest schneller eine Rückmeldung bekommen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Data Scientist, Recommender Systems | Home Office mit Bravour zu bestehen

Machine Learning
A/B-Tests
Empfehlungssysteme
Google Cloud-Stack
ML-Pipelines
MLOps
Vertex AI

Einige Tipps für deine Bewerbung 🫡

Ladet eure Datenwissenschaft-Projects hoch!:Wir steh'n voll auf praktische Beispiele! Zeigt uns, was ihr draufhabt, indem ihr eure eigenen Projekte oder Kaggle-Wettbewerbe in euer Portfolio integriert. Das hilft uns, eure Fähigkeiten in der Datenanalyse, Programmierung und Machine Learning besser zu verstehen – und das ist genau das, was wir suchen!

Euer Lebenslauf? Klar und strukturiert!:Wenn ihr euren Lebenslauf erstellt, denkt daran, spezifische Skills zu betonen, die für Datenwissenschaft relevant sind – wie Programmierung in Python oder R, Statistik-Kenntnisse und Erfahrung mit Datenvisualisierungstools. Zeigt uns auch, welche Tools und Frameworks ihr bereits verwendet habt. Das macht einen echt guten Eindruck!

Motivationsschreiben – erklärt, warum ihr Datenwissenschaft liebt!:In eurem Motivationsschreiben solltet ihr uns nicht nur eure Erfahrungen und Skills vorstellen, sondern auch eure Begeisterung für Datenwissenschaft vermitteln. Was hat euer Interesse geweckt? Welche Projekte haben euch inspiriert? Das hilft uns, euch als Person besser kennenzulernen!

Anpassung ist der Schlüssel!:Passt eure Bewerbung an die spezifische Stelle bei NZZ an! Schaut euch genau an, welche Anforderungen im Stellenprofil stehen, und stellt sicher, dass ihr die relevanten Skills und Erfahrungen in eurer Bewerbung unbedingt erwähnt. Das zeigt, dass ihr wirklich interessiert seid und euch mit der Aufgabe auseinandergesetzt habt!

Wie man sich auf ein Vorstellungsgespräch bei NZZ vorbereitet

Mach Dich mit den Tools vertraut

Im Data Science-Bereich wird oft mit Tools wie Python, R oder SQL gearbeitet. Stell sicher, dass Du die Grundlagen und vielleicht sogar spezifische Bibliotheken wie Pandas oder scikit-learn gut beherrschst. Während des Interviews könnten technische Fragen dazu gestellt werden oder sogar Live-Coding-Tests.

Bereite Deine Projekte vor

Als Data Scientist hast Du wahrscheinlich an spannenden Projekten gearbeitet. Bereite Dich darauf vor, diese klar und strukturiert zu präsentieren. Erkläre den Prozess, die verwendeten Daten und die Ergebnisse. Kaum etwas ist überzeugender als ein gutes Projekt, das Deine Fähigkeiten lebendig zeigt!

Stell Fragen zur Unternehmenskultur

In einem Vollzeitjob ist die Unternehmenskultur extrem wichtig. Während des Interviews solltest Du Fragen stellen wie: ‚Wie wird Zusammenarbeit im Team gefördert?‘ oder ‚Gibt es Weiterbildungsangebote?‘ Das zeigt, dass Du nicht nur an der Technik interessiert bist, sondern auch daran, wie Du in das Team passt.

Simuliere Problemlösungen

Kleine Case Studies können Teil des Interviews sein, also sei bereit, ein Datenproblem zu lösen. Übe, wie Du an solche Probleme herangehen würdest. Zeig Deine Lösungsansätze und den Einsatz von Datenanalyse, um ihnen auf den Grund zu gehen - das ist ein zentraler Bestandteil Deiner zukünftigen Arbeit!