Letnie praktyki

W Discord dostarczamy spersonalizowane doświadczenie z praktyk, które ma na celu jak najwierniejsze odwzorowanie realiów pracy. Dobieramy kompetentnych stażystów do odpowiednich projektów i zespołów, mając na uwadze ich zainteresowania i umiejętności, i w pełni integrujemy ich z tymi zespołami na czas lata.

Staże są płatne i trwają co najmniej 12 tygodni, rozpoczynając się w czerwcu 2024 roku, aby dostosować się do różnych kalendarzy akademickich. Jeśli warunki na to pozwolą, nasze letnie praktyki w roku 2024 będą przeprowadzane zdalnie, z możliwością spędzenia tygodnia w biurze w trakcie programu.

Zespół:

W Discord, zespół Data Science zajmujący się uczeniem maszynowym i wnioskowaniem przyczynowym pomaga kształtować strategię produktu, poprawia procesy decyzyjne i generuje wartość dla klientów, korzystając ze zaawansowanych technik uczenia maszynowego i wnioskowania przyczynowego. Blisko współpracujemy z kluczowymi obszarami produktu w Discord, takimi jak doświadczenie użytkownika, bezpieczeństwo, przychody, ekosystem i marketing.

Twoja rola:

• Zastosowanie zaawansowanych technik wnioskowania przyczynowego do głębszych analiz użytkowników i produktu.
• Wykorzystanie solidnych zasad matematycznych, statystycznych i algorytmicznych, wraz z innowacyjnymi rozwiązaniami, do rozwiązania trudnych problemów.
• Współpraca z innymi zespołami ds. nauki o danych, produktów, inżynierii i biznesu w celu zapewnienia, że opracowane rozwiązania wnioskowania przyczynowego są bardzo istotne i mają duży wpływ.

W tej roli odniesiesz sukces jeśli...

• Obecnie studiujesz na kierunku magisterskim/doktoranckim ze statystyki, ekonomii, informatyki lub pokrewnym polu technicznym.
• Masz doświadczenie w co najmniej jednym z obszarów wnioskowania przyczynowego:
  • Przeprowadzanie eksperymentów (testów A/B) w dużej firmie technologicznej.
  • Implementacja i analiza metod quasi-eksperymentalnych.
  • Wykorzystanie metod obserwacyjnych, nieeksperymentalnych (np. różnicy w różnicy, dopasowanie wyników według skłonności, dyskontynuacji regresji).
  • Zastosowanie zaawansowanych metod uczenia maszynowego do wnioskowania przyczynowego (np. Causal Forests, causal knn).
• Masz doświadczenie w pisaniu lub implementacji modeli/rozwiązań do wnioskowania przyczynowego opartych na kodzie jako część swoich zajęć, projektów osobistych, staży, konkursów lub badań.
• Dobrze posługujesz się Pythonem i SQL.

Wynagrodzenie wynosi 77 dolarów na godzinę (dla studentów magisterskich) i 90 dolarów na godzinę (dla doktorantów) *Uwaga: Jak wymaga NYC Pay Transparency Law i CO Disclosure (jak wymaga sb19-085[8-5-20]).

Należy zwrócić uwagę, że wymienione poniżej świadczenia mogą różnić się w zależności od warunków zatrudnienia*

#LI-Hybrid