Scientist- Data and Modeler II USA

First Solar: Científico - Analista y Modelador II EE. UU.

First Solar se reserva el derecho de ofrecerle un rol que se ajuste a su experiencia y conjunto de habilidades.

Funciones Básicas del Trabajo

Esta posición apoya la estrategia y las operaciones organizativas mediante el diseño y análisis estadístico de iniciativas y experimentos comerciales. Trabajará estrechamente con socios comerciales para identificar necesidades y resolver problemas. Utilizando su experiencia en estadística, minería de datos y aprendizaje automático (por ejemplo, modelado predictivo, simulación), reconocerá patrones y generará información a partir de datos comerciales. Las responsabilidades clave incluyen diseñar, desarrollar y evaluar modelos estadísticos y predictivos, y comunicar hallazgos y recomendaciones a la gerencia de varios departamentos. También apoyará los esfuerzos de implementación.

Educación y Experiencia

• Título de licenciatura en Ciencia de Datos, Computación, Ingeniería Eléctrica, Estadística Aplicada o Física con más de 4 años de experiencia laboral relevante en Ciencia de Datos, Inteligencia Artificial o desarrollo de algoritmos de Aprendizaje Automático.
• Maestría en Ciencia de Datos, Computación, Ingeniería Eléctrica, Estadística Aplicada o Física con más de 2 años de experiencia laboral relevante en Ciencia de Datos, Inteligencia Artificial o desarrollo de algoritmos de Aprendizaje Automático.
• Doctorado en Ciencia de Datos, Computación, Ingeniería Eléctrica, Estadística Aplicada o Física con más de 1 año de experiencia laboral relevante en Ciencia de Datos, Inteligencia Artificial o desarrollo de algoritmos de Aprendizaje Automático.

Habilidades y Competencias Requeridas

• Experiencia en lenguajes de programación y herramientas de software estadístico (Python, SAS, R, JMP o similar), bases de datos relacionales (servidor SQL) y software de análisis y visualización de datos (preferiblemente PowerBI, SAS).
• Experiencia con paquetes de ciencia de datos y aprendizaje automático como Numpy, Pandas, Matplotlib, seaborn, bokeh, plotly.
• Sólida comprensión de modelos de aprendizaje automático (regresión, clasificación, redes neuronales, series temporales) y paquetes (Scikit-learn, Xgboost, Keras, Pytorch, Tensorflow, statsmodels).
• Conocimiento profundo de las compensaciones de los modelos de aprendizaje automático, como ajuste de hiperparámetros, regularización, validación cruzada, sesgo en los datos, reducción de dimensionalidad y complejidad vs interpretabilidad.
• Experiencia utilizando técnicas avanzadas de estadística descriptiva y análisis (como pronóstico, análisis de varianza, pruebas t, análisis de datos categóricos, análisis de datos no paramétricos, análisis de conglomerados, análisis factorial y análisis estadístico multivariado) para diseñar experimentos comerciales y medir el impacto de las acciones comerciales.
• Fuertes habilidades de comunicación para trabajar con grupos y capacidad para explicar relaciones complejas de datos y resultados de modelos estadísticos a partes interesadas del negocio.
• Fuerte autodirección, iniciativa y capacidad para priorizar múltiples tareas de varios solicitantes; capacidad demostrada para gestionar proyectos multifacéticos.
• Excelentes habilidades de presentación técnica.

Responsabilidades Esenciales

• Trabajar con socios comerciales para identificar y delimitar nuevas oportunidades para aplicaciones de aprendizaje automático para la mejora de procesos.
• Colaborar con TI y Gestión de Datos Empresariales para definir, asegurar y preparar conjuntos de datos para el modelado estadístico.
• Desarrollar y desplegar modelos de visión por computadora (por ejemplo, clasificación de imágenes, detección de objetos, segmentación) para satisfacer las necesidades comerciales.
• Explorar datos utilizando varias técnicas estadísticas (por ejemplo, minería de datos, regresión, análisis de conglomerados) para responder preguntas comerciales o guiar futuros desarrollos de modelos.
• Crear programas para realizar pruebas estadísticas en datos y comprender la correlación de varios atributos.
• Formular hipótesis, identificar atributos de datos de investigación y determinar el mejor enfoque para abordar problemas comerciales.
• Aplicar técnicas estadísticas avanzadas, incluidas análisis de varianza, pruebas t, análisis factorial, regresión y análisis multivariado o simulaciones, para analizar los efectos de