Über das Unternehmen
Just Eat Takeaway.com ist eine führende globale Online-Lieferplattform mit der Vision, alltägliche Convenience zu ermöglichen. Die Tech-Plattform verbindet Millionen von Kunden mit Hundertausenden von Restaurant-, Lebensmittel- und Convenience-Partnern weltweit.
Über die Rolle
Join unsere Estimations-Abteilung als Data Scientist und entwickle Machine-Learning-Modelle zur Verbesserung von Fahrtzeit- und Distanzvorhersagen in unserem Liefernetzwerk. Deine Arbeit beeinflusst direkt Millionen von Kundenbestellungen und trägt zu präziseren ETAs und effizienteren Routen bei.
Du wirst innerhalb der Logistics Technology arbeiten und Machine-Learning- sowie statistische Techniken anwenden, um reale operative Herausforderungen zu lösen. Zusammen mit ML-Ingenieuren und Operations-Research-Wissenschaftlern wirst du Modelle von der Entwicklung bis zur Produktion verbessern und deine Fähigkeiten unter Anleitung erfahrener Teamkollegen erweitern.
Aufgaben
- Entwicklung und Validierung von ML-Modellen zur Verbesserung der Vorhersagegenauigkeit für Fahrtzeiten und Distanzen
- Feature-Engineering aus Operationsdaten und Experiment-Design zur Messung von Modellverbesserungen
- Anwendung von Engineering-Best-Practices wie sauberer Code, Versionskontrolle und Unit-Tests
- Übersetzung von Analytics-Outputs in klare, umsetzbare Insights für Stakeholder durch Datenvisualisierung
- Zusammenarbeit mit ML-Engineers und Operations-Research-Scientists in cross-funktionalen Projekten
- Identifikation und Umsetzung von Automatisierungsmöglichkeiten für Retraining und Validierungsprozesse
- Monitoring und Wartung der Vorhersageleistung in Live-Produktionsumgebungen
Anforderungen
- Praktische Erfahrung beim Aufbau und Validieren von ML-Modellen mit guter Urteilsfähigkeit bei der Wahl des richtigen Ansatzes
- Kenntnisse in Python (pandas, scikit-learn) und SQL für Datenanalyse und Modellentwicklung
- Verständnis von Supervised-ML-Techniken (Regression, Classification, Gradient Boosting)
- Kenntnisse statistischer Grundlagen, Evaluierungsmetriken und Experimental Design
- Erfahrung mit MLOps-Praktiken (Git, Data Pipelines, Model Monitoring)
- Vorteilhaft: Erfahrung mit Geospatial-Daten und Kartenmaterial
- Vorteilhaft: Interesse an Logistik und realen Operationsproblemen
Benefits
- Hybrid-Arbeitsmodell (3 Tage Büro in Berlin, 2 Tage Home Office)
- Arbeit an hochrelevanten Problemen mit direktem Impact auf Millionen Nutzer
- Zusammenarbeit mit erfahrenen ML-Engineers und Fachexperten
- Mentoring und Skill-Entwicklung unter Anleitung von Senior-Mitarbeitern
- Dynamische, unterstützende und innovationsorientierte Unternehmenskultur
- Fokus auf Inklusion, Vielfalt und Zugehörigkeit
- Internationale und schnelllebige Arbeitsumgebung
- Raum für persönliches Wachstum und Feiern von Erfolgen