Tentang peran ini
Deine Rolle Dengan Insinyur AI yang akan bekerja dengan baik untuk Verantwortung untuk KI-Systeme petunjuk kepada Alfred, Produk-SaaS-Perusahaan yang tidak pantas untuk Analisis Media Sosial. alfred verarbeitet monatlich tausende Nutzeranfragen über eine conversationelle KI-Oberfläche and analysiert dabei mehr als 750.000 Inhalte aus verschiedenen Plattformen. Di sisi lain, Tim interdisziplinären (5–10 Personen) harus melakukan Ansprechperson untuk semua Tema yang relevan dengan KI. Anda mungkin ingin mengetahui tentang Frontend, Data, dan Infrastruktur-Tim, dan Fitur yang ada di dalamnya, langsung dari Bedürfnisse unserer Kund:innen einzahlen. Deine Aufgaben Entwicklung dan Betrieb eines produktionsreifen RAG-Agents (FastAPI) untuk Verarbeitung von Kundenanfragen sowie Routing an spezialisierte Sub-Agenten (Text2SQL, API
Keterampilan / kategori
Tentang peran data / ml
Peran data dan ML dibagi menjadi tiga kelompok: analis (SQL, dasbor, pertanyaan bisnis), insinyur (saluran pipa, infrastruktur), dan ilmuwan (pemodelan, eksperimen). Judul pekerjaan tidak selalu memberi tahu Anda yang mana — bacalah deskripsinya dengan cermat.
Keterampilan khas: SQL, Python, panda, statistik dasar; Peran ML menambahkan scikit-learn / PyTorch / TensorFlow; peran teknik menambahkan Airflow / dbt / Spark
Wawasan gaji (AS, kasar)
Kisaran umum untuk peran data / ml di AS adalah $85.000–$240.000/tahun, sangat bervariasi berdasarkan senioritas, tahapan perusahaan, dan kota.
Hanya perkiraan. Untuk nomor khusus perusahaan, periksa level.fyi (tech), Glassdoor, atau tanyakan saat wawancara.
Bagaimana mempersiapkan wawancara
Wawancara data dibagi: analis dapatkan pertanyaan studi kasus SQL +, insinyur dapatkan desain pipa + pengkodean, ilmuwan dapatkan statistik + pemodelan ML + terkadang kumpulan data yang bisa dibawa pulang. Baca JD dengan cermat dan bersiaplah untuk merasakan yang sebenarnya — jangan buang waktu di PyTorch untuk peran analis.
Pertanyaan umum di ketiganya: "Bagaimana Anda mengukur keberhasilan [fitur produk]?", "Antarkan saya pada proyek yang datanya memberi tahu Anda sesuatu yang mengejutkan", dan Fungsi jendela SQL (LAG, ROW_NUMBER, PARTITION BY — latih ini secara khusus). Untuk peran ML, kemungkinan besar akan muncul pertanyaan tentang overfitting, tradeoff bias-varians, dan cara men-debug model yang berperforma baik dalam pelatihan dan buruk dalam produksi.
Ke mana peran ini biasanya mengarah
Jalur karier di bidang data/ML menjadi semakin berantakan seiring dengan semakin matangnya disiplin ilmu. Perkembangan yang paling jelas: Analis Junior → Analis Senior → Manajer Analisis di sisi analis, Insinyur Data Junior → Senior → Staf di sisi teknik, dan DS Junior → DS Senior → Pemimpin DS / ML Utama di sisi pemodelan. Puncak gaji adalah yang tertinggi bagi teknisi ML + ilmuwan riset di perusahaan teknologi besar.
Pergerakan lintas disiplin adalah hal biasa: analis yang mempelajari teknik sering kali memperoleh penghasilan lebih besar daripada insinyur yang tidak mempelajari konteks bisnis. Tetap dekat dengan bisnis — orang-orang data yang paling berharga adalah orang-orang yang dibawa oleh para eksekutif ke dalam diskusi strategi, bukan orang-orang yang membuat dashboard saja.
Bendera merah yang harus diperhatikan
- Peran "ilmuwan data" yang sebenarnya adalah analis SQL. Baca tanggung jawabnya dengan cermat — jika semuanya berupa dasbor dan kueri ad-hoc, maka ini adalah peran analis dengan gelar sains.
- Tidak disebutkan kolaborasi pemangku kepentingan. Pekerjaan data secara terpisah biasanya merupakan pekerjaan data yang diabaikan. Peran tersebut perlu tertanam dalam tim bisnis.
- "AI / ML" terdaftar di mana-mana tetapi tidak spesifik. Jika mereka tidak dapat menyebutkan masalah sebenarnya yang ingin mereka selesaikan dengan ML, maka perusahaan tersebut sedang sibuk mencari kata kunci.
- Meminta "10+ tahun Python" atau kombinasi yang mustahil. Entah JD ditulis oleh HR tanpa masukan dari tim data, atau perusahaan memiliki ekspektasi yang tidak realistis.
Pertanyaan yang sering diajukan
Bagaimana cara saya melamar peran ini?
Klik tombol "Terapkan di Arbeitnow" di bagian atas halaman ini. Anda akan dikirim ke postingan asli tempat perusahaan menerima lamaran. Wikishopline tidak mengumpulkan resume atau memproses lamaran.
Apakah daftar ini terkini?
Wikishopline mengumpulkan pekerjaan setiap hari dari sumber mitra (arbeitnow). Postingan yang lebih lama dari ~14 hari akan dipangkas, tetapi selalu verifikasi bahwa peran tersebut masih terbuka di situs perusahaan sebelum Anda menghabiskan waktu untuk menulis surat lamaran.
Apakah Wikishopline mengenakan biaya kepada pemberi kerja atau pelamar?
Tidak. Pekerjaan gabungan gratis untuk kedua belah pihak. Wikishopline juga menerima postingan berbayar $5 / 30 hari di /jobs/submit untuk perusahaan yang menginginkan visibilitas langsung — namun listingan yang Anda lihat bersumber dari mitra.
Apa yang biasanya tercakup dalam peran data / ml?
Peran data dan ML dibagi menjadi tiga kelompok: analis (SQL, dasbor, pertanyaan bisnis), insinyur (saluran pipa, infrastruktur), dan ilmuwan (pemodelan, eksperimen). Judul pekerjaan tidak selalu memberi tahu Anda yang mana — bacalah deskripsinya dengan cermat.
Berapa kisaran gaji umum untuk peran data/ml di AS?
Sekitar $85.000–$240.000 USD/tahun, bergantung pada senioritas, lokasi, dan tahapan perusahaan. Ini adalah rentang yang luas dengan tujuan — verifikasi terhadap level.fyi atau Glassdoor untuk perusahaan tertentu.