Senior Data Scientist

ITE Management, czołowy zarządca inwestycji i firma private equity, specjalizująca się w nabywaniu sprzętu transportowego i platform operacyjnych aktywów w sektorze infrastruktury, poszukuje doświadczonego Starszego Naukowca Danych, aby wzmocnić nasz zespół Finansów i Księgowości w Nowym Jorku. Od momentu powstania w 2014 roku, ITE Management jest na czele w identyfikowaniu rzeczywistych możliwości inwestycyjnych, które generują gotówkę z istotną ochroną przed spadkami. Dzisiaj z dumą zarządzamy aktywami o wartości ponad 9 mld dolarów na całym świecie, obejmując różne sektory takie jak kolej, intermodalne, lotnictwo i strategie nowych technologii w naszych biurach w NYC, Chicago i St. Louis.

Jako Starszy Naukowiec Danych w ITE Management, będziesz odgrywać kluczową rolę w napędzaniu procesów podejmowania decyzji opartych na danych w naszych różnorodnych strategiach inwestycyjnych, zarządzaniu portfelami i ramach ryzyka. Pracując blisko z analitykami biznesowymi, inżynierami danych i innymi kluczowymi interesariuszami, będziesz odpowiedzialny za projektowanie, rozwój i wdrażanie innowacyjnych rozwiązań opartych na danych. Te wysiłki znacznie wzmocnią decyzje inwestycyjne i optymalizują wyniki operacyjne w naszych spółkach portfelowych.

• Wnioski analityczne: Prowadzenie dogłębnych analiz danych z wewnętrznych źródeł lub spółek portfelowych, aby zrozumieć dynamikę i wzorce.
• Analiza danych i modelowanie: Tworzenie i wdrażanie zaawansowanych modeli statystycznych, uczenia maszynowego i AI we współpracy z wewnętrznymi zespołami, aby odkryć nowe wnioski dotyczące operacyjnych i inwestycyjnych wyzwań.
• Analiza ryzyka i zarządzanie nim: Współpraca z zespołem zarządzania ryzykiem, aby opracować i wykorzystać modele oceny ryzyka oparte na danych.
• ML Ops: Współpraca z inżynierami danych w celu projektowania i wdrażania efektywnych przepływów danych, zapewniających bezproblemową dostawę modeli o wysokiej wydajności w naszym środowisku produkcyjnym.
• Zarządzanie produktem: Współpraca z zespołami w celu zidentyfikowania i zdefiniowania istotnych problemów, tłumacząc je na zakres i wymagania funkcjonalne.
• Współpraca i komunikacja: Utrzymywanie efektywnej komunikacji z różnymi zespołami w celu zapewnienia kompleksowego zrozumienia stosowanych modeli i uzyskanych wyników.
• Innowacyjność i najlepsze praktyki: Bycie na bieżąco z nowymi trendami i praktykami w dziedzinie nauki o danych, uczenia maszynowego, AI i analizy ilościowej, aby utrzymać standardy na poziomie wiodącym w branży.

• Wykształcenie wyższe z dziedziny STEM, takie jak fizyka