Dołącz do naszego zespołu jako Data Scientist w Fractal Analytics!

Poczuj ekscytację płynącą z pracy w firmie, gdzie pasja i skupienie na kliencie kierują wszystkim, co robimy. W Fractal Analytics jesteśmy zobowiązani do tworzenia środowiska pełnego kreatywności, różnorodności i innowacji. Naszą misją jest wspieranie każdej ludzkiej decyzji w przedsiębiorstwie poprzez strategiczne rozwiązania AI.

O Fractal Analytics

Fractal Analytics współpracuje z firmami z listy Fortune 500, aby podnieść poziom ich procesów decyzyjnych przez AI. W Fractal budujemy świat, gdzie indywidualny wybór, wolność i różnorodność są największymi atutami. Nasz ekosystem opiera się na ludzkiej wyobraźni, przesuwając granice tego, co możliwe.

Dowiedz się więcej o nas na Fractal | Intelligence for Imagination.

Pozycja: Data Scientist (Machine Learning)

Lokalizacja: Bay Area, San Francisco (dostępne opcje relokacji i podróży służbowej).

Przegląd roli

Jako Data Scientist w Fractal Analytics, będziesz odgrywać kluczową rolę w opracowywaniu i wdrażaniu modeli uczenia maszynowego, które transformują działania biznesowe naszych klientów. Twoje obowiązki obejmują:

• Współpracę z wewnętrznymi zespołami w celu identyfikacji rozwiązań opartych na AI dla skomplikowanych wyzwań biznesowych.
• Projektowanie, rozwijanie i wdrażanie algorytmów uczenia maszynowego, które dostarczają użytecznych wskazówek.
• Utrzymywanie aktualności na temat najnowszych osiągnięć w dziedzinie uczenia maszynowego i stosowanie najnowszych technik.
• Zapewnianie integralności danych i skuteczności w modelach uczenia maszynowego.
• Tłumaczenie potrzeb biznesowych na wymagania techniczne i rozwiązania uczenia maszynowego dla klientów.
• Prowadzenie inicjatyw mających na celu wzmocnienie możliwości analitycznych z naciskiem na analizę predykcyjną i preskryptywną.

Kwalifikacje

Aby odnieść sukces na tym stanowisku, będziesz potrzebować:

• Licencjatu lub magistra w dziedzinie informatyki, nauk o danych, statystyki, matematyki lub pokrewnej.
• Znajomości algorytmów uczenia maszynowego, w tym regresji liniowej, wykrywania anomalii, prognozowania szeregów czasowych, modeli probabilistycznych, sieci neuronowych i głębokiego uczenia.
• Doświadczenia z modelowaniem danych i strategiami oceny.
• Mocnych umiejętności programowania w języku Python i znajomości bibliotek takich jak TensorFlow, PyTorch, Keras i Scikit-learn.
• Wiedzy na temat technik przetwarzania wcześniejszego danych, czyszczenia i analizy danych.
• Doświadczenia z technologiami big data, takimi jak Hadoop i Spark.
• 3-5 lat doświadczenia w roli związanej z uczeniem mas