Dataiku
1 Stellenangebot gefunden.
DZ BANK AG
In dieser Rolle bist du für die Weiterentwicklung und Wartung des Data Lake verantwortlich, führst Datenanalysen durch und entwickelst AI-Anwendungen zur Automatisierung bankfachlicher Prozesse.
Neue Dataiku Job in Hessen per E-Mail erhalten.
In dieser Position entwickelst du AI-Lösungen und betreust den DZ BANK Data Lake mit Google BigQuery, analysierst Daten, erstellst Dashboards in Tableau oder Power BI und optimierst bankfachliche Prozesse.
Sanofi-Aventis Deutschland GmbH
In diesem Job richtest du Datenpipelines und PowerBI-Dashboards per SQL, R oder Python ein, verknüpfst Laborinstrumente mit Datenbanken und arbeitest eigenständig im Labor an Chromatographie- und TFF-Prozessen inkl. HPLC-Analytik.
In diesem Job identifizierst du KI-getriebene Use Cases, entwickelst BI-Dashboards und Data-Lake-Lösungen, unterstützt Machine-Learning-Projekte und steuerst Anwendungstests im Handelsumfeld.
In dieser Position entwickelst du Datenanalyselösungen auf Google BigQuery, führst Ad-hoc-Analysen durch und optimierst AI-Anwendungen zur Effizienzsteigerung beim Datenmanagement und in bankfachlichen Prozessen.
In dieser Rolle entwickelst du komplexe Data-Science-Produkte, trainierst ML-Modelle und automatisierst MLOps-Pipelines, um stabile Deployments in der Kreditanalyse und Zahlungsoptimierung zu gewährleisten.
In dieser Position entwickelst du KI- und ML-Plattformen, optimierst bestehende Lösungen wie Dataiku und automatisierst Release-Pipelines, um Data Scientists beim Modellmanagement über den gesamten Lebenszyklus zu unterstützen.
In dieser Position entwickelst du die Zielarchitektur für BI-, Analytics- und KI-Lösungen, berätst Fachbereiche, gestaltest neue Datenarchitekturen und förderst die Verbesserung unserer Datenplattformen.
In dieser Rolle entwickelst du Data-Science-Lösungen, integrierst Machine-Learning-Modelle in produktive Systeme und baust leistungsfähige MLOps-Pipelines zur Automatisierung und Optimierung.
In dieser Position konzipierst du moderne KI- und ML-Plattformen, optimierst bestehende Systeme und etablierst effiziente MLOps-Pipelines zur Automatisierung des Machine-Learning-Lebenszyklus.