Inżynier ds. Maszynowego Uczenia się

Opis Firmy

Jesteśmy firmą zajmującą się inżynierią produktów cyfrowych, która dynamicznie się rozwija! Tworzymy produkty, usługi i doświadczenia, które inspirują, ercują i zadowalają. Działamy na dużą skalę - na wszystkich urządzeniach i w każdym medium cyfrowym, a nasi członkowie zespołu są zlokalizowani na całym świecie (dokładnie mówiąc, jest nas ponad 15000 ekspertów w 26 krajach). Nasza kultura pracy jest dynamiczna i niehierarchiczna. Szukamy utalentowanych nowych członków zespołu. To właśnie tutaj wkraczasz Ty!

Opis Stanowiska

Wymagane Umiejętności: zaawansowane umiejętności korzystania z Pythona w naukach o danych, ogólne doświadczenie w dziedzinie nauki o danych, uczenia maszynowego, produkcji i automatyzacji.

Opis Stanowiska: Dział Przemysłu i Automatyzacji w firmie Nagarro współpracuje z szerokim zakresem klientów przemysłowych w celu osiągnięcia ich celów transformacji biznesowej. Współtworzymy cyfrowe rozwiązania, które pomagają naszym klientom na drodze do Przemysłu 4.0. Te rozwiązania z zakresu Przemysłu 4.0 wykorzystują szereg technologii, w tym IoT przemysłowe, chmury, technologie rzeczywistości, sztuczną inteligencję, analizy danych, SAP S/4 Hana, aplikacje dedykowane, 5G i wiele innych.

Poszukujemy lidera technicznego, który będzie kierował kilkoma naszymi kluczowymi projektami z naszymi klientami. Wymagane umiejętności: Python/ Spark/ R, nauka o danych, umiejętność rozwiązywania problemów, biblioteki nauki o danych, biblioteki uczenia maszynowego, takie jak TensorFlow, Pandas, sci-kit-learn, Keras, TPOT, DataRobot, Hugging Face, h2o.ai i Gurobi Optimization oraz inne.

Kandydat musi wykazać następujące umiejętności i doświadczenie:

• Doświadczenie w pracy z technologiami nauki o danych (DS) / uczenia maszynowego (ML) przy użyciu własnych algorytmów lub platform danych.
• Doświadczenie pracy z bazami danych SQL i NoSQL, takimi jak MongoDB, Cassandra, Redis itp. Doświadczenie w pracy ze stosami nauki o danych Python/ Spark/ R. Umiejętność projektowania i implementacji Regresji Liniowej i Logistycznej, Modeli Zespołowych (Random Forest, Boosting itp.) przy użyciu Python/ Spark.
• Zdolność do używania idei dystrybucji danych, testów hipotez i innych testów statystycznych. Doświadczenie w dziedzinie badań operacyjnych i modeli optymalizacji (planowanie czasu, harmonogramowanie, optymalizacja tras itp.).
• Umiejętności w zakresie selekcji próbek zgodnie z projektem eksperymentów, szybkiego dostrojenia, uczenia zero/jedno/kilka strzelców do ponownego trenowania modelu.
• Umiejętności w zakresie wizualizacji danych przy użyciu Python/R, Grafana, Power BI, Tableau, itp.
• Doświadczenie w tworzeniu rozwiązań/akceleratorów nauki o danych, które dają wyniki o wysokiej jakości.
• Kandydat powinien być biegły w modelu dostarczania metodą zwinną (agile) i posiadać doświadczenie w korzystaniu z narzędzi do zarządzania produktami agile, preferowana jest JIRA.
• Umiejętność prowadzenia zespołu w kwestiach podejścia do DS i ML oraz rozwiązań technicznych, przeprowadzania przeglądów kodu i definiowania strategii integracji.
• Skuteczne umiejętności komunikacji pisemnej i ustnej są niezbędne do interakcji z globalnym zespołem i komunikacji z klientem.
• Preferowane jest praktyczne doświadczenie z co najmniej dwoma chmurami hyperskalowymi spośród Azure, AWS i Google Cloud. Bardzo korzystne byłoby posiadanie obszernej wiedzy i praktycznego doświadczenia z implementacją i utrzymaniem produkcyjnych pipeline'ów nauki o danych.
• Doświadczenie jako lider techniczny w jednym lub większej liczbie z następujących obszarów zastosowań byłoby korzystne: przemysł wytwórczy, ciężka inżynieria, motoryzacja, dobra konsumpcyjne, żywność, rolnictwo, chemia, materiały budowlane, elektronika, itp.