Naukowiec od Danych

Opis stanowiska: Życie w Grab W Grab każdego Grabbera prowadzi droga Grab, która wyjaśnia naszą misję, sposób w jaki wierzymy, że możemy ją osiągnąć, oraz nasze zasady operacyjne - 4H: serce, głód, honor i pokorę. Te zasady kierują nami i pomagają nam podejmować decyzje podczas pracy nad ekonomicznym umocnieniem ludzi Azji Południowo-Wschodniej. Poznaj zespół Grab - czołowa super aplikacja w Azji Południowo-Wschodniej - łączy transport, dostawę jedzenia, logistykę, płatności i wiele więcej na jednej platformie. Dział Doświadczeń Kierowców jest oddany tworzeniu najlepszych produktów i doświadczeń dla naszych partnerskich kierowców, aby zwiększyć ich zaangażowanie i korzystanie z naszych usług. Nasz zespół Data Science to długo działający kluczowy zespół odpowiedzialny za kształtowanie podaży. Wykorzystując moc Big Data i zaawansowane metody ML, tworzymy produkty oparte na AI, które pomagają naszym kierowcom pracować bardziej efektywnie i sprawiają, że nasza platforma może lepiej służyć naszym konsumentom. Jeśli szukasz sposobu, aby wpłynąć na życie milionów partnerskich kierowców Grab z całej Azji Południowo-Wschodniej, dołącz do naszego zespołu! Poznaj rolę Jako Data Scientist, będziesz odpowiedzialny za projektowanie i wdrażanie innowacyjnych i skutecznych rozwiązań do problemów związanych z kształtowaniem podaży, tak aby poprawić ogólną jakość usług głównych i doświadczeń kierowców. Wierzymy, że do osiągnięcia sukcesu na tym stanowisku potrzebne są mocne umiejętności techniczne, dobre zdolności komunikacyjne oraz poczucie odpowiedzialności i pracy zespołowej. Codzienne czynności Będziesz współpracować z zespołami wielofunkcyjnymi, aby zdefiniować problemy biznesowe, określić zakres rozwoju produktu i dostarczyć rozwiązania. Przeprowadzisz eksploracyjną analizę danych, aby zaproponować ulepszenia dla istniejących produktów i wygenerować pomysły na kształtowanie przyszłych projektów. Będziesz budować i utrzymywać efektywne ETL i ML do wspierania istniejących projektów zespołu. W tworzeniu nowych modeli i rozwijaniu algorytmów wykorzystasz techniki z zakresu badań operacyjnych, uczenia maszynowego, statystyki, prawdopodobieństwa i ekonomii. Będziesz również wspierać projektowanie i analizę eksperymentów, mierzyć wpływ produktu, oraz przyczyniać się do innowacji i tworzenia wartości intelektualnej przez zespół. Możliwości uczenia się Zainteresowane osoby będą miały możliwość nauki od starszych naukowców daty, którzy są doświadczeni w odpowiednich dziedzinach technicznych. Wykorzystaj najnowocześniejsze narzędzia ML i infrastrukturę AI z branży technologicznej. Możliwość pracy z danymi o skali peta. Kluczowe umiejętności Musisz mieć licencjat z informatyki, elektrotechniki/komputerowej, przemysłowej i systemowej, badań operacyjnych, matematyki/statystyki, lub innych pokrewnych dziedzin technicznych. Podstawy uczenia maszynowego: Powinieneś posiadać dobre zrozumienie statystyki i modeli ML. Doświadczenie praktyczne w korzystaniu z głównych ramów uczenia głębokiego (np. TensorFlow, PyTorch) jest preferowane. Doświadczenie w modelach prognozujących jest plusem. Podstawowe umiejętności związane z oprogramowaniem: Musisz posiadać biegłość w jednym lub więcej następujących języków programowania: Python, R, Scala. Zrozumienie rozproszonych frameworków przetwarzania danych będzie plusem. Doświadczenie z chmurą (AWS/Azure) będzie plusem. Doświadczenie w inżynierii oprogramowania (w tym projekty szkolne) będzie plusem. Musisz być zmotywowany do samodzielnej nauki o nowych metodach ML i infrastrukturze dużych danych, oraz z chęcią dzielenia się wiedzą z członkami zespołu. Oczekujemy również efektywności, dbałości o szczegóły, dobrego zarządzania czasem i doskonałych umiejętności komunikacyjnych. Nasze Zobowiązanie Zobowiązujemy się do budowania zróżnicowanych zespołów i tworzenia środowiska pracy, które pozwala wszystkim Grabberom na osiągnięcie najlepszych wyników, bez względu na narodowość, pochodzenie etniczne, religię, wiek, tożsamość płciową czy orientację seksualną, oraz inne cechy, które czynią każdego Grabbera unikalnym.