Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
FunktionalImmer aktiv
Notwendige Cookies helfen dabei, eine Webseite nutzbar zu machen, indem sie Grundfunktionen wie Seitennavigation und Zugriff auf sichere Bereiche der Webseite ermöglichen. Die Webseite kann ohne diese Cookies nicht richtig funktionieren.
Statistiken
ClickCease
Der Anbieter des Webtools analysiert Ihre Browserdaten nach auffälligem Verhalten in Bezug auf Klickbetrug, also die Häufigkeit von Werbeaufrufen einer IP.
Marketing
Google AdSense
Cookie von Google, das für Ad-Targeting und Anzeigenmessung verwendet wird.
Für unseren Kunden aus der Energiebranche suchen wir zum nächstmöglichen Zeitpunkt Unterstützung.
Jobtitel: Data Scientist (m/w/d) Startdatum: 01.01.2025 Laufzeit: 5 Projektmonate (ANÜ) Einsatzort: Köln/Remote Auslastung: Vollzeit; 38h/Woche Jahresbruttogehalt: 95.000 Euro
Mitarbeit in einem Entwicklungsteam zur Entwicklung sekundengenauer Produktionsprognosen erneuerbarer Energien. In Zusammenarbeit mit einem internen Data Scientist soll der bestehende Ansatz weiterentwickelt und validiert werden. Der Code muss produktionsreif sein und mit Entwicklern für einen Roll-Out vorbereitet werden.
Tasks
Preprocessing und Modeltraining mit mehreren hundert GB großen Datensätzen
Optimierung der Features für Windgeschwindigkeit und Windrichtung
Implementierung von AzureML-Validierungsläufen und Compute-Umgebung
Untersuchung der Möglichkeit, von Modell-Stacking zu einem Einzelmodell zu wechseln (falls erforderlich)
Anpassung des Modells, um schneller auf sich ändernde Bedingungen reagieren zu können (falls erforderlich)
Erprobung von Deep-Learning-Ansätzen
Mitarbeit in einem Entwicklungsteam zur Entwicklung 15-minütiger Produktionsprognosen für Energiezeitreihen
Entwicklung und Optimierung von Modellen: Erstellung neuer Machine-Learning-Modelle und kontinuierliche Verbesserung bestehender Modelle zur Steigerung von Prognosegenauigkeit und Effizienz
Ausführliche Validierung: Durchführung detaillierter Validierungsprozesse für neue Modellansätze, einschließlich Tests auf Robustheit, Generalisierbarkeit und Performance anhand von spezifischen Metriken
Analyse und Verbesserung der ML-Ops-Pipeline: Identifikation von Schwachstellen und Entwicklung von Vorschlägen zur Optimierung der Kernfunktionen der ML-Ops-Pipeline, um Skalierbarkeit, Automatisierung und Zuverlässigkeit zu verbessern
Zusammenarbeit mit interdisziplinären Teams: Enge Abstimmung mit Data Engineers, Softwareentwicklern und Fachbereichen, um Anforderungen zu klären und Verbesserungen zielgerichtet umzusetzen
Requirements
Zeitreihenprognose: Erfahrung mit Zeitreihenanalyse und -modellierung
Erstellung und Implementierung von Vorhersagemodellen für verschiedene Branche
Analyse und Interpretation von Zeitreihendaten zur Verbesserung der Vorhersagegenauigkeit
Benefits
30 Urlaubstage
Urlaubsgeld
Weihnachtsgeld
Benötigte Vorsorgeuntersuchungen: G 37 (wird, falls nicht vorhanden, von NES übernommen)
Sie konnten bereits Berufserfahrung in den oben genannten Bereichen sammeln? Dann lassen Sie uns gern telefonieren.