Noch keine KI-Analyse
Ausführen: python script_run_ai_scoring.py --profile jakob
Geforderte Skills
anomaly detection
api
azure
calculus
ci/cd
classification
cloud computing
communication
consulting
data analysis
data cleaning
data engineering
data infrastructure
data manipulation
data mining
data science
data visualization
devops
feature engineering
machine learning
mlops
named entity recognition
natural language processing
optimization
project management
prompt engineering
python
python data libraries
python web frameworks
pytorch
scikit-learn
statistics
tensorflow
Stellenbeschreibung
Start: 11/2025 | Remote: 100%
Beschreibung
Posted by
Sapient GmbH
Contact person
Jonas W
Project ID
2935633
Artificial Intelligence
Algorithms
Data Analysis
Architecture
Microsoft Azure
Data Files
Information Extraction
Python (Programming Language)
Machine Learning
Natural Language Processing
Operationalization
Scrum Methodology
Regular Expressions
Azure Machine Learning
Software Engineering
Text Mining
Unstructured Data
Data Processing
Demonstration Skills
Data Science
Anonymization
Machine Learning Operations
Description
Gesucht wird ein erfahrener Data Scientist mit fundiertem theoretischem Hintergrund (Master/Promotion in Mathematik, Informatik, Physik oder VWL mit Schwerpunkt Data Science) und mehrjähriger Projekterfahrung in der End-to-End-Umsetzung von Machine-Learning- und KI-Lösungen – von der Datenaufbereitung über Modellierung bis zur produktiven Implementierung in Cloud-Umgebungen für eine deutsche Bank.
Kernkompetenzen:
1. Data Science & Machine Learning:
- Entwicklung, Optimierung und Operationalisierung von ML-/DL-Modellen zur Betrugserkennung, Klassifikation und Dokumentenprüfung
- Fundierte Kenntnisse in Statistik, Feature Engineering, Modellvalidierung, Prompt Engineering und MLOps
- Anwendung von NLP-, Text-Mining- und NER-Verfahren (Regex, OCR, Dokumentenauslesung)
2. Data Engineering:
- Extraktion, Transformation und Integration großer strukturierter und unstrukturierter Datenmengen
- Erfahrung mit OCR-Verfahren zur PDF-/Dokumentenauslesung
- Aufbau stabiler Datenpipelines und Schnittstellen (Azure, Python, API-basierte Systeme)
3. MLOps & Implementierung:
- Entwicklung produktionsfähiger ML-Software in Python
- Aufbau automatisierter Testpipelines zur Modellqualitätssicherung
- Konzeption und Umsetzung von MLOps-Architekturen auf Basis von Azure Cloud Services
- Nutzung von Tools wie Azure Machine Learning Studio, Azure DevOps, Streamlit
4. Projektmanagement & Kommunikation
- End-to-End-Projektleitung von BDAI-Initiativen (von Konzeption bis Integration)
- Agiles Projektmanagement (Scrum) & fachliche Führung interdisziplinärer Teams
- Erstellung von Management-Präsentationen und Ergebnisvisualisierungen (MS PowerPoint)
Technologien & Tools:
- Programmiersprachen: Python (pandas, scikit-learn, TensorFlow/PyTorch, spaCy, Regex)
- Cloud & DevOps: Azure Cloud, Azure ML Studio, Azure DevOps
- MLOps & Deployment: Streamlit, API-Integration, CI/CD Pipelines
- NLP & Textverarbeitung: OCR, NER, Regex, Text Mining, Dokumentenklassifikation
- Projektmethodik: Scrum, agiles Arbeiten
Sprachen
Deutsch: fließend (C1/C2)
Englisch: gut (B2/C1)
Beispielhafte Projekterfahrungen:
- Entwicklung von ML-Algorithmen zur Betrugserkennung in Zuschussprogrammen
- Aufbau von Cloud-basierten ML-Pipelines (Azure) zur Dokumentenverarbeitung
- Umsetzung von Proof-of-Concepts und Integration produktiver ML-Lösungen
- Beratung und Qualitätsbewertung bestehender ML-Modelle
Last edited: 11/05/2025