Applied Scientist I

Присоединяйтесь к нашей команде в качестве Ученого-прикладника I в Amazon

Развивайте свою карьеру в области машинного обучения и предотвращения мошенничества в Amazon

Вы готовы стать частью пионерской команды, посвященной инновациям в машинном обучении и статистическом анализе? В Amazon мы стремимся повышать удовлетворенность клиентов, активно предотвращая мошенничество в электронной коммерции. Мы ищем мотивированного Ученого-прикладника I для разработки передовых алгоритмов и решения реальных проблем путем анализа огромных массивов данных.

Основные обязанности В качестве Ученого-прикладника I в группе машинного обучения Amazon по предотвращению рисков покупателей (BRP) вы будете:

• Применять методы машинного обучения и статистические методы для разработки масштабируемых систем управления рисками.
• Анализировать обширные исторические данные Amazon для выявления случаев риска и тенденций.
• Разрабатывать, оценивать и внедрять предсказательные модели для управления рисками.
• Сотрудничать с командами программных инженеров для интеграции реализаций моделей в реальном времени и разработки функций.
• Работать вместе с операционными командами для улучшения процедур управления рисками.
• Создавать и поддерживать автоматизированные процессы для анализа данных в больших масштабах, разработки моделей и их валидации.
• Исследовать и применять новейшие методы машинного обучения и статистики.
• Предоставлять регулярные, содержательные отчеты руководству по бизнес-метрикам.

Гибкость местоположения Мы открыты для кандидатов из Сиэтла, штат Вашингтон, США или других одобренных местоположений.

Что вы принесете Базовые квалификации:

• Степень магистра в области информатики, математики, статистики, машинного обучения или связанной количественной специальности.
• Доказанный опыт программирования на Java, C++, Python или подобном языке.
• Знание SQL и знакомство с системами управления реляционными базами данных, например, Oracle, или системами хранения данных.

Предпочтительные квалификации:

• Практический опыт разработки алгоритмов с использованием существующих инструментов и собственного кода.
• Вклад в ведущие рецензируемые конференции или