Analista de Datos Senior Nivel 3

  • Full Time
Job expired!

El Centro NOAA para Aplicaciones y Estudios Satelitales (STAR) es el brazo científico de los Servicios de Satélites e Información de NOAA, que adquiere y maneja los satélites ambientales de la nación. Los científicos de STAR lideran esfuerzos para desarrollar, probar, validar y perfeccionar los algoritmos científicos necesarios para impulsar productos definidos por los usuarios. También investigan tanto tecnologías de sensores mejoradas como nuevas para futuras misiones satelitales de NOAA y realizan investigaciones para determinar qué productos necesitarán los usuarios para llevar a cabo los objetivos de la misión de NOAA. STAR respalda la calibración y validación de todos los datos en las operaciones satelitales de NOAA y desarrolla nuevos métodos para intercalibrar datos de los satélites polares y geoestacionarios de NOAA con otros satélites en el sistema internacional en evolución. Además, STAR desarrolla de manera colaborativa métodos y tecnología eficientes para transferir nuevos productos de la investigación a las operaciones.

Riverside está buscando un analista científico de nivel medio para apoyar al Centro NOAA para Aplicaciones y Estudios Satelitales (STAR). El trabajo implicará utilizar conocimientos y experiencia para investigar y desarrollar nuevos e innovadores usos de los datos satelitales para ayudar a coordinar esfuerzos entre NESDIS/STAR y socios/compañías comerciales, universitarios y/o privados. Incluye investigar nuevas técnicas y nuevos sistemas de observación, y evaluar su impacto potencial en los productos. También incluye el desarrollo de herramientas de evaluación de productos, el diseño y desarrollo de aplicaciones científicas, la integración de código, el porteo, las pruebas y la depuración, la liberación y el mantenimiento del código y la documentación de aplicaciones de software tanto en entornos estándar como de Computación de Alto Rendimiento (HPC). El candidato exitoso tendrá conocimientos y habilidades asociadas con sistemas y técnicas de asimilación de datos tanto regionales como globales, y idealmente estará familiarizado con los experimentos de sistemas de observación (OSE) y los experimentos de simulación de sistemas de observación (OSSE).

Requisitos
  • Grado mínimo de licenciatura en ciencias de la computación, sistemas de información, ingeniería de software, o un campo científico relacionado con la detección remota, como ciencias atmosféricas, oceanografía, física o similar; se prefiere una Maestría
  • 4-10 años de experiencia en análisis científico
  • Trabajar con un equipo de personal federal y contratistas para realizar programación científica avanzada y análisis numérico para resolver problemas físicos
  • Fortalezas en la codificación de habilidades informáticas en Python
  • Conocimiento de la asimilación de datos satelitales, la predicción del clima numérico, la transferencia radiactiva, los algoritmos de recuperación y los datos de observaciones satelitales
  • Sistemas operativos: Linux, Computación de Alto Rendimiento
  • Conocimiento de la aplicación de métodos numéricos avanzados, inteligencia artificial y aprendizaje automático a conjuntos de datos grandes utilizando bibliotecas de software como Keras, TensorFlow y/o PyTorch
  • Experiencia realizando análisis de datos en conjuntos de datos ambientales grandes y con código científico
  • Capacidad para realizar evaluaciones independientes de conceptos propuestos
  • Capacidad para producir informes científicos y presentaciones
  • Capacidad para comunicar de manera efectiva información técnica y estado de trabajo de manera precisa y fiable a jefes de proyectos y gerentes
  • Se prefiere ciudadano de los EE. UU.; Debe ser capaz de obtener y mantener una verificación de agencia nacional e investigación de antecedentes después de la contratación
Beneficios
  • Plan de Salud (Médico, Dental y Visión)
  • Plan de jubilación (401k, IRA)
  • Seguro de vida (Básico, Voluntario y AD&D)
  • Tiempo libre pagado (Vacaciones, Enfermedad y Días festivos)
  • Discapacidad a corto y largo plazo
  • Formación y desarrollo
  • Modelo híbrido de trabajo desde casa