Projektbeschreibung:Ein führendes internationales IT-Unternehmen sucht einen Erfahrener Senior Data Scientist bei Projekten im Zusammenhang mit der Umsetzung der Entwicklung und Betreuung der Unternehmensplattform von Daten und darauf basierenden Produkten für die größte Parfümerie- und Kosmetikkette des Landes im Luxussegment.Wir bieten interessante und umfangreiche Angebote Projekte, die auf modernen Technologien basieren, arbeiten in einem hochprofessionellen Team.Aufgaben:• Entwicklung und U
Projektbeschreibung:
Ein führendes internationales IT-Unternehmen sucht einen Erfahrener Senior Data Scientist bei Projekten im Zusammenhang mit der Umsetzung der Entwicklung und Betreuung der Unternehmensplattform von Daten und darauf basierenden Produkten für die größte Parfümerie- und Kosmetikkette des Landes im Luxussegment.
Wir bieten interessante und umfangreiche Angebote Projekte, die auf modernen Technologien basieren, arbeiten in einem hochprofessionellen Team.
Aufgaben:
• Entwicklung und Umsetzung von Vorhersagemodellen zur Prognose von Verkäufen und Lagerbeständen.
• Analyse großer Datensätze, um aussagekräftige Erkenntnisse und Muster zu extrahieren.
• Entwicklung von Algorithmen zur Verbesserung der Prognosegenauigkeit.
• Validierung und Verfeinerung von Modellen mithilfe von statistische und maschinelle Lernmethoden.
Beschreibung der obligatorischen Fähigkeiten:
- • Hochschulabschluss in Datenwissenschaft, Statistik, Mathematik, Informatik oder einem verwandten Bereich.< br/>• 3+ Jahre nachgewiesene Erfahrung in den Bereichen maschinelles Lernen, statistische Modellierung und Datenanalyse mit umgesetzten Projekten.
• Kenntnisse in Programmiersprachen wie Python oder R.
• Erfahrung mit Daten Visualisierungstools (z. B. Power BI).
• Kenntnisse in Zeitreihenanalyse- und Prognosetechniken.
• Kenntnisse in Big-Data-Technologien (z. B. Hadoop, Spark) sind von Vorteil. Kenntnisse der Microsoft-Technologien für Data Science sind von Vorteil.
• Entwicklung und Implementierung von Vorhersagemodellen zur Prognose von Verkäufen und Lagerbeständen.
• Analyse großer Datenmengen, um aussagekräftige Erkenntnisse und Muster zu extrahieren.
• Entwicklung von Algorithmen zur Verbesserung der Prognosegenauigkeit.
• Verifizierung und Verfeinerung von Modellen mithilfe statistischer und maschineller Lernmethoden.