Aufgaben
- Fachliche Fragestellungen in Analyse- und Modellierungsaufgaben übersetzen
- Daten explorieren, Merkmale entwickeln und Hypothesen prüfen
- Modelle trainieren, vergleichen und gegen eine Baseline bewerten
- Ergebnisse und Unsicherheiten für Fachbereiche verständlich aufbereiten
- Modelle gemeinsam mit Engineering in den Betrieb übergeben
Arbeitsergebnisse
- Explorative Analyse mit Befunden
- Trainiertes und dokumentiertes Modell
- Evaluationsbericht mit Metriken und Grenzen
- Übergabedokumentation für den Betrieb
Kompetenzen
Typische Werkzeuge und Methoden
Wann Sie einen Data Scientist brauchen
Wenn eine Vorhersage, Segmentierung oder Optimierung aus eigenen Daten entstehen soll und noch offen ist, ob die Daten das hergeben.
Data Scientist anfragenAbgrenzung
Der Data Analyst beschreibt, was war. Der Data Scientist modelliert, was sein wird. Der AI Engineer baut daraus ein lauffähiges System.
Einsatz in Fachbereichen und Branchen
Beispielprojekte für Data Scientist
Data Scientist
Data Scientist für Bedarfsprognose
- Köln
- 60 % remote
- Februar 2027
- 6 Monate, 4 Tage pro Woche
Data Scientist für Betrugserkennung
- Köln
- 60 % remote
- Januar 2027
- 6 Monate, 4 Tage pro Woche
Data Scientist für vorausschauende Instandhaltung
- Berlin
- 60 % remote
- Februar 2027
- 8 Monate, 4 Tage pro Woche