Scientist- Data and Modeler II USA

First Solar : Scientifique - Data et Modélisation II États-Unis

First Solar se réserve le droit de vous offrir un rôle le plus adapté à votre expérience et à vos compétences.

Fonctions de base du poste

Ce poste soutient la stratégie et les opérations de l'organisation à travers la conception et l'analyse statistique d'initiatives et d'expériences commerciales. Vous travaillerez en étroite collaboration avec des partenaires commerciaux pour identifier les besoins et résoudre les problèmes. En utilisant votre expertise en statistiques, exploration de données et apprentissage automatique (par exemple, modélisation prédictive, simulation), vous reconnaîtrez des schémas et générerez des insights à partir des données commerciales. Les responsabilités clés incluent la conception, le développement et l'évaluation de modèles statistiques et prédictifs, ainsi que la communication des résultats et recommandations à la direction dans divers départements. Vous soutiendrez également les efforts de mise en œuvre.

Éducation et expérience

• Licence en science des données, informatique, génie électrique, statistiques appliquées ou physique avec 4+ années d'expérience professionnelle pertinente en science des données, intelligence artificielle ou développement d'algorithmes d'apprentissage automatique.
• Master en science des données, informatique, génie électrique, statistiques appliquées ou physique avec 2+ années d'expérience professionnelle pertinente en science des données, intelligence artificielle ou développement d'algorithmes d'apprentissage automatique.
• Doctorat en science des données, informatique, génie électrique, statistiques appliquées ou physique avec 1+ année d'expérience professionnelle pertinente en science des données, intelligence artificielle ou développement d'algorithmes d'apprentissage automatique.

Compétences et compétences requises

• Expertise en langages de programmation et outils logiciels statistiques (Python, SAS, R, JMP ou similaire), bases de données relationnelles (serveur SQL) et logiciels d'analyse et de visualisation de données (de préférence PowerBI, SAS).
• Expérience avec des packages de science des données et d'apprentissage automatique tels que Numpy, Pandas, Matplotlib, seaborn, bokeh, plotly.
• Compréhension solide des modèles d'apprentissage automatique (régression, classification, réseaux neuronaux, séries temporelles) et des packages (Scikit-learn, Xgboost, Keras, Pytorch, Tensorflow, statsmodels).
• Connaissance approfondie des compromis des modèles d'apprentissage automatique tels que le réglage des hyperparamètres, la régularisation, la validation croisée, l'asymétrie des données, la réduction de la dimensionnalité et la complexité par rapport à l'interprétabilité.
• Expérience dans l'utilisation de techniques statistiques descriptives avancées et d'analyse (telles que la prévision, l'analyse de variance, les tests t, l'analyse des données catégorielles, l'analyse des données non paramétriques, l'analyse de cluster, l'analyse factorielle et l'analyse statistique multivariée) pour concevoir des expériences commerciales et mesurer l'impact des actions commerciales.
• Compétences en communication pour travailler avec des groupes et capacité à expliquer des relations de données complexes et les résultats de modèles statistiques aux parties prenantes commerciales.
• Auto-direction forte, initiative et capacité à prioriser plusieurs tâches provenant de divers demandeurs ; capacité démontrée à gérer des projets multi-facettes.
• Excellentes compétences en présentation technique.

Responsabilités essentielles

• Travailler avec des partenaires commerciaux pour identifier et définir de nouvelles opportunités d'applications de l'apprentissage automatique pour l'amélioration des processus.
• Collaborer avec les équipes IT et de gestion des données d'entreprise pour définir, sécuriser et préparer des ensembles de données pour la modélisation statistique.
• Développer et déployer des modèles de vision par ordinateur (par exemple, classification d'images, détection d'objets, segmentation) pour répondre aux besoins commerciaux.
• Explorer les données en utilisant diverses techniques statistiques (par exemple, exploration de données, régression, analyse de cluster) pour répondre aux questions commerciales ou guider le développement futur des modèles.
• Créer des programmes pour exécuter des tests statistiques sur les données et comprendre la corrélation de divers attributs.
• Formuler des hypoth