Data Scientist - Python (FTL-Hybrid)

Присоединяйтесь к SIXT – US, мировому лидеру в сфере услуг мобильности, так как мы в настоящее время ищем высококвалифицированного специалиста по данным для усиления нашей динамичной команды. Эта позиция предлагает уникальную возможность значительно повлиять на нашу бизнес-операцию, используя ваш опыт в Python и продвинутых техниках науки о данных.

Основные обязанности: Управление и улучшение больших наборов данных из многочисленных источников, чтобы обеспечить оптимальное качество данных и готовность к сложным анализам.

Статистический анализ и моделирование: Реализация сложных статистических методов и алгоритмов машинного обучения для выявления закономерностей и тенденций. Разработка и проверка моделей для решения бизнес-задач и повышения операционной эффективности.

Разработка и развертывание моделей: Создание и внедрение надежных моделей машинного обучения, сотрудничество с программистами для обеспечения интеграции в наши бизнес-системы для повышения эффективности и масштабируемости.

Визуализация данных: Использование инструментов визуализации данных Python, таких как Matplotlib, Seaborn и Plotly, для создания ясных, влиятельных презентаций данных. Эффективное коммуникация аналитических выводов с членами команды и заинтересованными сторонами.

Непрерывное обучение и совершенствование: Следить за последними тенденциями и достижениями в области науки о данных и машинного обучения. Непрерывно стремиться к личностному росту и развитию для способствования инновациям в команде.

Квалификация: Степень бакалавра или выше в области компьютерных наук, науки о данных, математики, статистики или в смежной области.

Техническая компетентность: Знание Python на высоком уровне с практическим опытом работы с библиотеками для манипуляции данными, такими как Pandas и NumPy.

Аналитические навыки: Сильные аналитические способности с доказанной способностью обрабатывать сложные наборы данных и превращать их в действенные выводы.

Опыт: Твердые знания в области статистического анализа, машинного обучения и использования различных библиотек, таких как SciPy, Statsmodels и Scikit-learn. Знание в области визуализации данных и опыт внедрения моделей машинного обучения являются значительным преимуществом.

Коммуникация