Dein Einstieg als Data Scientist: Data Science & AI Winter

1. Du meldest dich für die Veranstaltung an und füllst das Bewerbungsformular aus.
2. Die Unternehmensvertreter:innen wählen Ihre Favorit:innen für die Einzelgespräche aus. Dafür benötigen Sie deinen aktuellen Lebenslauf mit Notenangaben. Bitte beachte: Ein Notentranskript benötigen sie nicht.
   Du hast zwei Möglichkeiten, deinen Lebenslauf einzureichen:
   1. Option 1: Wenn du deinen eigenen Lebenslauf nutzen möchtest, bereitest du diesen als PDF vor, inklusive aller Durchschnitts- und Abschlussnoten und lädst ihn direkt im Bewerbungsformular hoch. Alternativ kannst du deinen PDF-Lebenslauf später per Mail nachreichen.
   2. Option 2: Du verwendest deinen e-fellows.net-Lebenslauf. Dafür sendest du deine Bewerbung zunächst an uns ab. Im nächsten Bildschirm siehst du den e-fellows.net-Lebenslauf. Bitte überprüfe diesen auf Vollständigkeit und Aktualität, insb. Noten.

Die Einzelgespräche sind informelle Kennenlerngespräche. Du sprichst mit einer bzw. einem Data Scientist und/oder jemandem von HR unter vier Augen. Der Ablauf ist individuell: Manche Unternehmen berichten über Einstiegsmöglichkeiten und Tätigkeitsschwerpunkte, andere fragen dich nach deiner Motivation. In jedem Fall kannst du deine Fragen stellen.

Jede:r Teilnehmende kann bis zu sechs Gespräche je 20 Minuten führen. Die Unternehmen wählen aus allen Bewerber:innen ihre Favorit:innen aus, wir vereinbaren anschließend die Termine und informieren dich vor der Veranstaltung, mit wem du sprechen wirst. Für die Veranstaltung bekommst du im Vorfeld einen digitalen Terminplan mit den genauen Zeiten deiner Einzelgespräche.

Die German Data Science Society ist die führende Vereinigung der akademisch ausgebildeten Data Scientists in Deutschland und bildet die Verbindung zwischen Unternehmen und Hochschulen im Bereich Data Science, Die Aktivitäten reichen von regelmäßigen größeren Tagungen, fokussierten Workshops bis hin zu hybriden Tandem Lectures. Regionale Strukturen erlauben eine enge Verzahnung der Data Scientists vor Ort. 

Keynote-Speech von Prof. Dr. Göran Kauermann (LMU)

Data & Science: Eine kurze Geschichte über Data Science

Der Impulsvortrag gibt einen Abriss über Data Science, es werden die Zusammenhänge zur Statistik aufgezeigt und Data Science wird in Zusammenhang zur Künstlicher Intelligenz gebracht. Ebenso wird die German Data Science Society mit ihren vielen Unternehmenspartner vorgestellt.

Hier bist du Teil eines der größten europäischen Medien- und Technologieunternehmen. Wir machen Medien mit Menschen für Menschen und stehen für Vielfalt, Unternehmertum und Verantwortung. Dabei bieten wir unseren Mitarbeitenden die Freiheit, kreativ zu sein und Neues zu schaffen. Darum heißt arbeiten bei Burda: arbeiten „…in good company“.

Standorte

München, Offenburg, Köln, Berlin, Hamburg (über 20 Standorte in Deutschland)

Fallbeispiel

Data Science bei FactField und Hubert Burda Media

Die Medien- und Verlagsunternehmen stehen vor einer herausfordernden Zeit. Die Urheberschaft von Informationen, die Deepfakes, der Wandel der Medienkanäle und des Medienkonsumverhaltens führen zu großen Veränderungen.

In diesem Fallbeispiel bekommst du anhand konkreter Beispiele einen Einblick in die Arbeit von Datenwissenschaftler in einem Media- und Techunternehmen und erfährst, welche Tools unser Recherche-Institut FactField im Daily-Business verwendt.

Referent: Gildas Lepennetier

Standorte

Berlin, Dresden, Düsseldorf, Frankfurt, Halle (Saale), Hamburg, Hannover, Köln, Leipzig, Magdeburg, Mannheim, München, Nürnberg, Stuttgart, Walldorf, Görlitz sowie Standorte in über 150 Ländern weltweit

Fallbeispiel

Entwicklung einer Plattform für quantitative Kreditrisikomodellierung

Zu Steuerungszwecken sind Banken verpflichtet ihre Kreditrisiken abzuschätzen und benötigen dafür mathematische Modelle, die große Datenmengen mithilfe statistischer Verfahren verarbeiten können. Ratingmodelle dienen dabei als Entscheidungsgrundlage, ob Kunden einen Kredit bei der Bank erhalten und somit in das Bankportfolio aufgenommen werden. Um eine schnelle und qualitativ hochwertige Entwicklung von Ratingmodellen zu gewährleisten, können zeitaufwändige Modellierungsschritte - von der Datenqualitätsanalyse, über Feature Selection bis hin zur Modellschätzung - automatisiert werden. Neben der klassischen Modellschätzung mittels logistischer Regression ist vor allem in den letzten Jahren auch immer mehr die Anwendung von Machine Learning Verfahren gefragt. Du hast Spaß an Big Data, Statistik und Coding? Dann laden wir dich ein, in unserem Vortrag Einblicke in die automatisierte Kreditrisikomodellierung zu erhalten!

Kontakt

Nico Schäfer
Team Talent Acquisition
career@deloitte.de 

Hier findest du weitere Infos zur Karriere bei Deloitte.

Standorte

Munich Re ist an mehr als 50 Standorten auf sechs Kontinenten vertreten. Der Hauptsitz befindet sich in München.

Fallbeispiel

Entwicklung von Analyticslösungen für Erstversicherer

Bei Munich Re werden Data Science-Methoden für verschiedene Zwecke genutzt: Sowohl für interne Prozesse (z.B. um bessere Risikoeinschätzungen zu treffen) als auch für Kundenlösungen, mit denen wir Erstversicherern helfen, ihre Wertschöpfungskette zu verbessern. In diesem Fallbeispiel legen wir den Fokus auf die Entwicklung von neuen Kundenlösungen. Wir zeigen konkrete Problemstellungen und Arbeitsabläufe unserer Data Science-Teams an den Beispielen Customer Analytics, welches den Nutzern hilft, eine bessere Kundensegmentierung zu erstellen, und ImRiSc, einer ML-basierten Lösung zur Risikobewertung von Gebäudeversicherungen. Dabei zeigen wir insbesondere auf, welche Aufgaben sich für Data Scientists im Arbeitsalltag ergeben und wie diese mit anderen Rollen im Unternehmen interagieren.

Kontakt

Christoph Rachinger
crachinger@munichre.com
Fachbereich: Central Analytics

Hier findest du weitere Informationen zur Karriere bei Munich RE.