Data Scientist

O firmie Whisker:

Whisker to innowacyjny twórca produktów Litter-Robot, Feeder-Robot i Litterbox.com. Naszą misją jest nieustanne ulepszanie opieki nad zwierzętami poprzez nowoczesne technologie dla zwierząt i wyrafinowane akcesoria dla zwierząt. Nasze rozwiązania, takie jak samoczyszczące kuwety, automatyczne karmniki i nowoczesne drapaki dla kotów, mają na celu poprawę życia zwierząt i ich właścicieli. W firmie Whisker jesteśmy pasjonatami podnoszenia standardów opieki nad zwierzętami, aby poprawić jakość życia z naszymi futrzanymi przyjaciółmi.

Whisker ma siedzibę w Auburn Hills w stanie Michigan, z oddziałami w Juneau w stanie Wisconsin i liczy ponad 500 oddanych członków zespołu.

Praca Data Scientist II będzie kluczowa dla naszego procesu podejmowania decyzji opartegom na danych, prowadząc skomplikowane projekty związane z nauką o danych, analizą statystyczną, uczeniem maszynowym oraz modelowaniem danych. Twoje umiejętności w manipulacji danymi, ich wydobywaniu i interpretacji przyczynią się do tworzenia innowacyjnych rozwiązań wspierających rozwój firmy oraz poprawę efektywności operacyjnej.

Analiza danych i modelowanie:

• Wykorzystanie zaawansowanych technik statystycznych i algorytmów uczenia maszynowego do analizy dużych zbiorów danych, odkrywania wzorców, trendów i wniosków.
• Tworzenie modeli predykcyjnych i współpraca z zespołami międzydziałowymi w celu wyciągania istotnych wniosków biznesowych na podstawie danych.

Przywództwo projektów:

• Prowadzenie projektów związanych z nauką o danych od początku do końca, w tym definiowanie zakresów, ustalanie kamieni milowych i przydzielanie zasobów w celu terminowego dostarczenia.

Uczenie maszynowe i sztuczna inteligencja:

• Opracowywanie, wdrażanie i optymalizacja algorytmów uczenia maszynowego w celu rozwiązywania skomplikowanych problemów biznesowych.
• Inicjowanie projektów z wykorzystaniem przetwarzania języka naturalnego, widzenia komputerowego, systemów rekomendacji i innych zaawansowanych technologii.
• Projektowanie i budowanie podsystemów ETL do przygotowywania danych do analizy i treningu.

Wizualizacja danych:

• Skutecznie komunikowanie wyników za pomocą czytelnych i angażujących wizualizacji danych, umożliwiając zrozumienie złożonych koncepcji wszystkim interesariuszom.

Wdrażanie modeli:

• Współpraca z zespołami inżynierii oprogramowania w celu integracji modeli uczenia maszynowego z systemami produkcyjnymi i wewnętrznymi, zapewniając skalowalność i wydajność.

Zarządzanie danymi i etyka:

• Przestrzeganie zasad zarządzania danymi i praktyk etycznych podczas przetwarzania danych wrażliwych i poufnych.

Mentorowanie i dzielenie się wiedzą:

• Zapełnianie junior data scientistów przewodnictwem i wsparciem, wspierając ich rozwój zawodowy.
• Wkład w bazę wiedzy organizacji poprzez dzielenie się wnioskami, najlepszymi praktykami i pojawiającymi się trendami w nauce o danych.

Stałe doskonalenie: