Data Scientist, Workforce Intelligence (Remote)

Date de publication: 7 juin 2024

Pays: États-Unis d'Amérique

Emplacement: Télétravail - Farmington, CT

RTX Corporation est une entreprise de premier plan dans le domaine de l'aérospatiale et de la défense, offrant des systèmes avancés et des services pour des clients commerciaux, militaires et gouvernementaux dans le monde entier. Composée de trois entreprises de pointe – Collins Aerospace Systems, Pratt & Whitney et Raytheon – RTX s'appuie sur les compétences de 185 000 employés pour repousser les limites de la science connue. Les domaines de concentration incluent la physique quantique, la propulsion électrique, l'énergie dirigée, l'hypersonique, l'avionique et la cybersécurité. Basée à Arlington, VA, RTX a été formée en 2020 suite à la fusion de Raytheon Company et des activités aérospatiales de United Technologies Corporation.

Chez RTX, nous nous efforçons de créer un environnement où tous les employés sont respectés, valorisés et soutenus. Nous croyons que la diversité génère de meilleurs résultats commerciaux, favorisant la réussite des employés, des partenaires, des investisseurs et des communautés. Notre engagement en faveur de la diversité se manifeste dans nos pratiques commerciales et dans les opportunités de croissance.

Rejoignez notre équipe Workforce Intelligence de RTX pour apporter des perspectives diverses, des données, de la recherche et de la technologie. Notre mission est de fournir des insights améliorant la performance de l'entreprise, l'expérience des employés et la stratégie RH grâce à des solutions avancées pour la main-d'œuvre et à des conseils stratégiques.

• Assister les entreprises RTX, les partenaires commerciaux RH et les Centres d'excellence RH dans les décisions relatives aux personnes basées sur les données.
• Collaborer avec une équipe dynamique et en pleine croissance d'Analytique Avancée pour développer, déployer et adopter les initiatives de science des données RH et d'IA à l'échelle de l'entreprise.
• Travailler avec d'autres Data Scientists pour concevoir, construire, déployer et maintenir des modèles de Machine Learning, Deep Learning, Traitement du Langage Naturel (NLP), séries temporelles, optimisation mathématique et IA générative (LLM) visant à améliorer le cycle de vie des employés – de l'attraction et du recrutement au développement et à la rétention.

• Diplôme de licence dans un domaine connexe (Science des données, Analytique, Statistiques, Économie/Économétrie, Ingénierie, Informatique, Recherche opérationnelle) avec un minimum de 2 ans d'expérience pertinente, ou un diplôme avancé dans un domaine connexe.
• Maîtrise des langages de programmation avancés tels que Python.
• Solides compétences en manipulation de données, expérience des langages de requête (SQL) et capacité à regrouper des ensembles de données provenant de plusieurs bases de données relationnelles et formats de fichiers.
• Expérience de travail avec et d'analyse de grands ensembles de données complexes (structurées et non structurées) pour la formation, l'évaluation et le déploiement de modèles de Machine Learning/Deep Learning/NLP/séries temporelles.
• Expérience des techniques de modélisation prédictive/statistique telles que la régression, les machines à vecteurs de support, les arbres de décision, le bagging, le boosting, le clustering et les techniques de simulation comme Monte Carlo.

• Expérience des plateformes de science des données telles que Dataiku, Databricks, Alteryx.
• Maîtrise des frameworks de Deep Learning comme PyTorch ou TensorFlow.
• Expérience des bases de données/bibliothèques vectorielles comme OpenSearch, ElasticSearch, Milvus, FIASS.
• Familiarité avec les frameworks open-source pour la construction de modèles/applications d'IA générative alimentés par les LLM (LangChain, LlamaIndex, Haystack, Nvidia NeMo Guardrails).
• Expérience dans la construction et le déploiement d'applications de science des données utilisant Streamlit, Gradio, RShiny, etc.
• Utilisation de techniques d'optimisation linéaire/entière/non-linéaire pour résoudre des problèmes commerciaux réels à l'aide d