Científico Aplicado II, Análisis del Comportamiento del Cliente

  • Full Time
Job expired!
¿Buscas un entorno donde puedas impulsar la innovación? ¿Quieres aplicar técnicas de aprendizaje y modelado matemático avanzado para resolver problemas del mundo real? ¿Quieres desempeñar un papel clave en el futuro del negocio minorista de Amazon? ¡Este trabajo es para ti! El equipo de Análisis de Comportamiento del Cliente (CBA), en asociación con el equipo F3 (Frescos/Comida/Rápida), está buscando individuos motivados con fuertes habilidades analíticas para ayudar a impulsar la expansión del negocio F3 a nivel mundial. El equipo CBA es responsable de la arquitectura, diseño, implementación de herramientas utilizadas para comprender el comportamiento del cliente y la generación de valor para las inversiones F3. ¡Ven y únete a nosotros! El equipo CBA de Amazon está buscando Científicos Aplicados que puedan trabajar en la intersección del aprendizaje automático, estadísticas y economía; y aprovechar el poder de los grandes datos para resolver problemas complejos como la estimación del efecto causal a largo plazo. Como científico aplicado, aportarás avances en modelado estadístico y aprendizaje automático para analizar datos y desarrollar soluciones orientadas al cliente en entornos industriales complejos. Trabajarás en un equipo multidisciplinario y de ritmo acelerado, de investigadores que son líderes en el campo. Enfrentarás desafíos, destilarás requerimientos reales y luego entregarás soluciones que aprovechen la investigación académica e industrial existente, o utilices tu propio pensamiento pragmático fuera de la caja. Este rol requiere un líder técnico pragmático cómodo con la ambigüedad, capaz de resumir datos complejos y modelos a través de explicaciones visuales y escritas claras. Tus beneficios incluyen: - Trabajar en un producto de alto impacto y alta visibilidad, con tu trabajo mejorando la experiencia de millones de clientes. - La oportunidad de usar (e innovar) métodos de aprendizaje automático de vanguardia para resolver problemas del mundo real. - Excelentes oportunidades, y amplio apoyo, para el crecimiento profesional, desarrollo y mentoría. Principales responsabilidades del trabajo - Entender y explotar la gran cantidad de datos, prototipar e implementar nuevos algoritmos de aprendizaje y técnicas de predicción para mejorar los enfoques de estimación causal a largo plazo. - Colaborar con gerentes de productos y equipos de ingeniería para diseñar e implementar soluciones para los problemas de Amazon. - Diseñar, construir e implementar soluciones de aprendizaje automático eficaces e innovadoras para mejorar varios componentes - Publicar y presentar tu trabajo en lugares científicos internos y externos en los campos del aprendizaje automático y la inferencia causal. Estamos abiertos a contratar candidatos para trabajar en una de las siguientes ubicaciones: Seattle, WA, USA Calificaciones Básicas: - 3+ años de experiencia en la construcción de modelos para aplicaciones de negocios. - Doctorado, o Máster y 4+ años de experiencia en CS, CE, ML o campos relacionados. - Experiencia en patentes o publicaciones en conferencias o revistas revisadas por pares de alto nivel. - Experiencia en programación en Java, C++, Python o lenguaje relacionado. - Experiencia en cualquiera de las siguientes áreas: algoritmos y estructuras de datos, análisis sintáctico, optimización numérica, minería de datos, computación paralela y distribuida, computación de alto rendimiento. Calificaciones preferidas: - Experiencia usando Unix/Linux - Experiencia en desarrollo de software profesional Amazon se compromete a un lugar de trabajo diverso e inclusivo. Amazon es un empleador que ofrece igualdad de oportunidades y no discrimina en base a raza, origen nacional, género, identidad de género, orientación sexual, estado de veterano protegido, discapacidad, edad u otro estado legalmente protegido. Para más información, visita https://www.aboutamazon.com/workplace/employee-benefits. Los solicitantes deberían aplicar a través de nuestro sitio de carreras interno o externo.