Data Scientist - Recommender Systems (w/m) 80-100%
- Type de contrat
- Temps plein
- Lieu
- Zürich
- Entreprise
- NZZ, 8008 Zürich
- Première publication
La NZZ fait partie des entreprises de médias privées les plus importantes de Suisse. Nous nous concentrons sur un journalisme indépendant de haute qualité et défendons une vision du monde libérale. Avec nos produits, nous offrons chaque jour orientation et inspiration à nos utilisatrices et utilisateurs. Outre nos deux fleurons « Neue Zürcher Zeitung » et « NZZ am Sonntag », notre portefeuille comprend divers autres titres, séries d'événements, podcasts et formats TV.
Data Scientist - Recommender Systems (w/m) 80-100%
Nous recherchons une personnalité engagée et curieuse pour notre équipe cross-fonctionnelle dédiée aux systèmes de rédaction. Dans ce rôle, vous êtes responsable de la personnalisation du contenu – de l'infrastructure technique aux systèmes de recommandation intelligents. Ainsi, vous aidez nos lectrices et abonnés à découvrir chaque jour précisément les histoires qui sont pertinentes pour eux.
Vos tâches
- Développement, amélioration et exploitation des systèmes de recommandation de contenu de la NZZ – du prototypage à l'utilisation productive sur Google Cloud / Vertex AI
- Responsabilité et optimisation continue des pipelines ML pour les applications de recommandation en temps réel et par lots (par exemple, recommandations d'articles, newsletters personnalisées, churn-prediction)
- Mise en œuvre des meilleures pratiques MLOps : versionnage des données, des modèles et du code ; CI/CD ; monitoring automatisé de la performance des modèles et du data drift
- Planification et évaluation de tests A/B ainsi que déduction d'améliorations de produits concrètes en étroite collaboration avec les produits, le marketing et la rédaction
- Réalisation d'analyses de données exploratoires et préparation compréhensible des résultats pour les parties prenantes techniques et non techniques (en particulier la rédaction)
- Observation de nouvelles méthodes, outils et résultats de recherche dans le domaine des Recommender Systems et du NLP et apport d'idées pragmatiques pour leur application
Votre profil
- Master complété dans un domaine quantitatif (mathématiques, informatique, statistique, ingénierie ou similaire)
- 2–4 ans d'expérience professionnelle en Data Science ou ML Engineering, idéalement avec un accent sur les systèmes de recommandation ou de classement
- Solides connaissances en Python et expérience pratique avec des bibliothèques ML telles que scikit-learn, TensorFlow ou PyTorch ; connaissances en pandas et SQL
- Expérience pratique avec Google Cloud Platform – en particulier Vertex AI (Training, Model Registry, Online-/Batch-Prediction) est un net avantage
- Expérience avec le tooling MLOps (Experiment-Tracking, Modell-Monitoring, CI/CD-Pipelines) et les frameworks Big Data (par exemple, Apache Spark, BigQuery ou Snowflake)
- Bonne expérience en Data Engineering est un avantage (Airflow, Cloud Compose, dbt, etc.)
- Bonnes connaissances en anglais et très bonnes connaissances en allemand ; capacité à communiquer de manière compréhensible des connaissances basées sur les données
- Personnalité curieuse, pragmatique et orientée équipe, aimant résoudre les problèmes du début à la fin
Notre offre
- Un travail porteur de sens et exigeant : vous participez directement à la conception de l'expérience de contenu de l'une des marques de médias les plus renommées de l'espace germanophone
- Stack ML moderne : Vertex AI, BigQuery, Snowflake et une culture de l'ingénierie qui vit l'expérimentation et l'amélioration continue
- Environnement de travail fantastique : nos bureaux sont situés de manière centrale au Bellevue, au cœur de Zürich – avec vue sur l'Opéra et le lac
- Les horaires de travail flexibles et le télétravail font partie intégrante de notre culture d'entreprise
- Diverses possibilités de formation continue internes et externes
Isabelle Liechti, HR Business Partner
[](tel:9)
j4id10388261a j4it0937a j4iy26a
Traduit automatiquement depuis l’original.
Publié il y a 3 semaines