Staże z zakresu nauki o danych i analizy – lato 2024
- Other
- Other places
- $60 K+
- Internship
Zobacz siebie w NBCU! Dołącz do naszej społeczności stażystów, zróżnicowanej grupy ciekawych i pełnych pasji pionierów, którzy, naszym zdaniem, są przyszłością naszej branży.
Program stażowy NBCUniversal pozwala studentom na wykorzystanie swojego potencjału poprzez wniesienie istotnego wkładu w ważne projekty w sposób, który naprawdę się liczy. Aby odnieść sukces jako stażysta NBCU, musisz być chętny do pokazania swojego entuzjazmu dla mediów, rozrywki i technologii oraz pragnienia nauki każdego dnia.
Twój profesjonalny rozwój jest dla nas ważny. Stażyści NBCU otrzymują przygotowanie do kariery, narażenie na przywództwo, możliwość połączenia z innymi stażystami, możliwości nawiązania kontaktów, a oczywiście mnóstwo zabawy po drodze.
Oprócz tego, że wszystkie nasze staże są płatne, oferujemy również następujące korzyści dla naszych stażystów na lato 2024:
Harmonogram rekrutacji na lato 2024:
13 listopada – 8 grudnia: Otwarcie zgłoszeń (może zakończyć się wcześniej z powodu dużej liczby kandydatów)
połowa listopada – koniec grudnia: Pierwsza runda rozmów kwalifikacyjnych
połowa – koniec stycznia: Druga runda rozmów kwalifikacyjnych
koniec stycznia – luty: Wybrani kandydaci otrzymują oferty
Program stażowy na lato 2024:
Aby złożyć podanie:
Możliwe obszary do rozmieszczenia:
Peacock Decisions, Customer Journey: Jako stażysta ds. nauki danych, będziesz tworzyć modele uczenia maszynowego i statystyczne, aby zrozumieć podróż klienta i przewidywać wartość klienta na przestrzeni czasu, analizować i przekształcać dane (np. czyszczenie, dyskretyzacja, imputacja, wybór, uogólnienie), aby stworzyć wartościowe cechy dla procesu modelowania, współpracować z zespołem w celu budowania systemów w czasie rzeczywistym i zautomatyzowanych przepływów danych dla operacyjnego zastosowania rozwiązań nauki danych, korzystać z dużych danych, relacyjnych i nierelacyjnych źródeł danych, aby uzyskać dane na wymagany poziom szczegółowości dla konkretnych projektów analitycznych, a także pracować nad udoskonaleniem bazy kodu i infrastruktury cyklu życia uczenia maszynowego, aktywnie uczestnicząc we wszystkich aspektach pracy zespołowej.
Mi