Senior, Data Scientist - Marketing Decision Science

¿Eres un entusiasta de los números deseoso de abordar complejos desafíos empresariales a través del análisis de datos? Conviértete en Científico de Datos Senior en Walmart y sumérgete en uno de los conjuntos de datos globales más grandes. Tus ideas influirán en la toma de decisiones a una escala sin precedentes.

En Walmart, tú:

• Procesarás grandes conjuntos de datos utilizando plataformas de computación distribuida, derivarás ideas, predecirás tendencias y optimizarás métricas comerciales clave.
• Desarrollarás modelos avanzados de aprendizaje automático y profundo para aplicaciones de marketing como sistemas de recomendación y mejora de contenido de páginas en millones de páginas.
• Realizarás pruebas A/B estadísticas a gran escala para evaluar el rendimiento de los modelos de aprendizaje automático, impulsando millones de clics de comercio electrónico diariamente.
• Crearás visualizaciones de datos atractivas y paneles interactivos para compartir ideas comerciales tanto internamente como externamente.

El candidato ideal:

• Será un pensador curioso e innovador siempre buscando mejorar las soluciones de ciencia de datos.
• Mantendrá altos estándares y emanará una pasión por la calidad en todos sus esfuerzos.
• Aceptará el valor de fallar rápido y mejorar continuamente.
• Demostrará experiencia como científico de datos de pila completa, experto en desarrollar, optimizar y escalar modelos de producción.
• Pontificará la brecha entre teoría y aplicación, seleccionando los enfoques más adecuados basados en metodologías de ciencia de datos.

Para calificar, necesitarás:

• Un título de maestría en Informática, Estadística, Optimización o un campo relacionado, más 4 años de experiencia en aprendizaje automático/aprendizaje profundo.
• Fuertes habilidades en la obtención, limpieza, manipulación y análisis de grandes conjuntos de datos utilizando Python, R, SQL, Spark, Hive, etc.
• Familiaridad con técnicas tradicionales y modernas de ML/estadísticas, incluidas pruebas A/B, inferencia causal, regresión, clasificación, métodos de conjunto, aprendizaje profundo y NLP/LLM.
• Experiencia en proyectos de modelado de extremo a extremo.
• Fuertes habilidades de comunicación escrita y oral.

Lo siguiente te dará una ventaja:

• Doctorado en Informática, Estadística, Optimización o un campo relacionado, más 2 años de experiencia en aprendizaje automático.
• Más de 2 años de experiencia orientando a científicos de datos junior.
• Experiencia en SEO, publicidad computacional, sistemas de recomendación, comercio electrónico o campos relacionados.
• Proficiencia en lenguajes de programación como Java, Python o Scala con experiencia en modelos de ML a escala industrial.

Únete a Walmart Global Tech y sé parte de un entorno dinámico donde una sola línea de código puede mejorar la vida de millones. Nuestro equipo de ingenieros de software, científicos de datos y profesionales tecnológicos está a la vanguardia de la innovación en el comercio minorista. Aquí tendrás la oportunidad de desarrollar tu carrera, adquirir nuevas habilidades y tener un impacto amplio.

Adoptamos un modelo de trabajo híbrido que combina el trabajo en oficina y virtual para mejorar la colaboración, acelerar la toma de decisiones y mantener la flexibilidad en nuestras vidas personales.

Walmart ofrece un paquete de compensación competitivo e incentivos basados en el rendimiento. Los beneficios incluyen:

• 401(k) con igualación, planes de compra de acciones, licencia pagada de maternidad y parental.
• Planes de salud que cubren necesidades médicas, de visión y dentales.
• PTO, incluyendo licencia por enfermedad, días festivos y más.
• Seguro de vida pagado por la empresa, discapacidad a corto y largo plazo, reembolso de gastos de adopción y gestación subrogada.
• Más beneficios como descuentos para empleados y pago por licencia militar.

Walmart es un empleador que ofrece igualdad de oportunidades. Valoramos la diversidad y la inclusión, asegurando que cada asociado, cliente y comunidad sea respetado y valorado.

La descripción detallada del trabajo