Data Scientist - Recommender Systems (w/m) 80-100%

Die NZZ gehört zu den bedeutendsten privaten Medienunternehmen der Schweiz. Wir konzentrieren uns auf qualitativ hochstehende, unabhängige Publizistik und vertreten eine liberale Weltanschauung. Mit unseren Produkten bieten wir unseren Nutzerinnen und Nutzern täglich Orientierung und Inspiration. Neben den beiden Flaggschiffen «Neue Zürcher Zeitung» und «NZZ am Sonntag» gehören diverse weitere Titel, Veranstaltungsreihen, Podcasts und TV-Formate zum Portfolio.

Wir suchen eine engagierte und neugierige Persönlichkeit für unser cross-funktionales Team für Redaktionssysteme. In dieser Rolle verantwortest du die Content-Personalisierung – von der technischen Infrastruktur bis hin zu intelligenten Empfehlungssystemen. So hilfst du unseren Leserinnen und Abonnenten jeden Tag dabei, genau die Geschichten zu entdecken, die für sie relevant sind.

Deine Aufgaben

• Weiterentwicklung, Verbesserung und Betrieb der Content-Empfehlungssysteme der NZZ – vom Prototyping bis zum produktiven Einsatz auf Google Cloud / Vertex AI
• Verantwortung und kontinuierliche Optimierung von ML-Pipelines für Echtzeit- und Batch-Empfehlungsanwendungen (z. B. Artikelempfehlungen, personalisierte Newsletter, Churn-Prediction)
• Umsetzung von MLOps-Best-Practices: Versionierung von Daten, Modellen und Code; CI/CD; automatisiertes Monitoring von Modellperformance und Data Drift
• Planung und Auswertung von A/B-Tests sowie Ableitung konkreter Produktverbesserungen in enger Zusammenarbeit mit Produkt, Marketing und Redaktion
• Durchführung explorativer Datenanalysen und verständliche Aufbereitung der Ergebnisse für technische und nicht-technische Stakeholder (v. A. Redaktion)
• Beobachtung neuer Methoden, Tools und Forschungsergebnisse im Bereich Recommender Systems und NLP und Einbringen pragmatischer Ideen zu deren Anwendung

Dein Profil

• Abgeschlossenes Masterstudium in einem quantitativen Fachgebiet (Mathematik, Informatik, Statistik, Ingenieurwesen o. Ä.)
• 2–4 Jahre Berufserfahrung in Data Science oder ML Engineering, idealerweise mit Fokus auf Empfehlungs- oder Ranking-Systeme
• Fundierte Python-Kenntnisse und praktische Erfahrung mit ML-Bibliotheken wie scikit-learn, TensorFlow oder PyTorch; Kenntnisse in pandas und SQL
• Praktische Erfahrung mit Google Cloud Platform – insbesondere Vertex AI (Training, Model Registry, Online-/Batch-Prediction) ist ein klarer Vorteil
• Erfahrung mit MLOps-Tooling (Experiment-Tracking, Modell-Monitoring, CI/CD-Pipelines) und Big-Data-Frameworks (z. B. Apache Spark, BigQuery oder Snowflake)
• Gute Data-Engineering Erfahrung von Vorteil (Airflow, Cloud Compose, dbt, etc.)
• Gute Englisch- und sehr gute Deutschkenntnisse; Fähigkeit, datenbasierte Erkenntnisse verständlich zu kommunizieren
• Neugierige, pragmatische und teamorientierte Persönlichkeit mit Freude daran, Probleme von Anfang bis Ende zu lösen

Unser Angebot

• Sinnstiftende und anspruchsvolle Arbeit: Du gestaltest das Inhaltserlebnis einer der renommiertesten Medienmarken im deutschsprachigen Raum direkt mit
• Moderner ML-Stack: Vertex AI, BigQuery, Snowflake und eine Engineering-Kultur, die Experimente und kontinuierliche Verbesserung lebt
• Fantastisches Arbeitsumfeld: unsere Büros liegen zentral am Bellevue im Herzen von Zürich – mit Blick auf das Opernhaus und den See
• Flexible Arbeitszeiten und Homeoffice sind fester Bestandteil unserer Unternehmenskultur
• Vielfältige interne und externe Weiterbildungsmöglichkeiten

• Weiterentwicklung, Verbesserung und Betrieb der Content-Empfehlungssysteme der NZZ – vom Prototyping bis zum produktiven Einsatz auf Google Cloud / Vertex AI
• Verantwortung und kontinuierliche Optimierung von ML-Pipelines für Echtzeit- und Batch-Empfehlungsanwendungen (z. B. Artikelempfehlungen, personalisierte Newsletter, Churn-Prediction)
• Umsetzung von MLOps-Best-Practices: Versionierung von Daten, Modellen und Code; CI/CD; automatisiertes Monitoring von Modellperformance und Data Drift
• Planung und Auswertung von A/B-Tests sowie Ableitung konkreter Produktverbesserungen in enger Zusammenarbeit mit Produkt, Marketing und Redaktion
• Durchführung explorativer Datenanalysen und verständliche Aufbereitung der Ergebnisse für technische und nicht-technische Stakeholder (v. A. Redaktion)
• Beobachtung neuer Methoden, Tools und Forschungsergebnisse im Bereich Recommender Systems und NLP und Einbringen pragmatischer Ideen zu deren Anwendung