Летняя стажировка

В Discord мы предлагаем индивидуальный опыт стажировки, направленный на воспроизведение реальной рабочей среды. Мы соотносим компетентных стажеров с подходящими проектами и командами, исходя из их интересов и навыков, и полностью интегрируем их в эти команды на лето.

Стажировки являются оплачиваемыми и длится не менее 12 недель, начинается в июне 2024 года, чтобы учитывать различные академические календари. Если условия позволят, наши летние стажировки 2024 года будут проводиться удаленно, с возможностью провести неделю в офисе в какой-то момент программы.

Команда:

В Discord команда Data Science, специализирующаяся на машинном обучении и причинно-следственном выводе, помогает формировать стратегии продукта, улучшать процессы принятия решений и создавать ценность для клиентов с помощью передовых методов машинного обучения и причинно-следственного вывода. Мы тесно сотрудничаем с ключевыми продуктовыми доменами в Discord, такими как пользовательский опыт, безопасность, доходы, экосистема и маркетинг.

Ваша роль:

• Применение передовых методов причинно-следственного вывода для более глубокого понимания пользователей и продукта.
• Использование здравых математических, статистических и алгоритмических принципов вместе с инновационными решениями для решения сложных проблем.
• Сотрудничество с другими командами data science, продуктов, инженерными, и бизнес-командами, чтобы гарантировать, что разработанные решения на основе причинно-следственного вывода имеют большой вес и влияние.

Вы преуспеете на этой роли, если ...

• Вы в данный момент обучаетесь в магистратуре или аспирантуре по специальности "Статистика", "Экономика", "Компьютерные науки" или в другой смежной технической области.
• У вас есть опыт работы по крайней мере в одной из следующих областей причинно-следственного вывода:
  • Проведение экспериментов (A / B тестирования) в крупной технологической компании.
  • Реализация и анализ квазиэкспериментальных методов.
  • Использование неэкспериментальных, наблюдательных методов (например, разница в разнице, соответствие оценки склонности, регрессионный разрыв).
  • Применение передовых методов машинного обучения для причинно-следственного вывода (например, Causal Forests, причинно-следственные knn).
• У вас есть опыт в написании или реализации моделей/решений причинно-следственного вывода на основе кода в рамках учебного процесса, персональных проектов, стажировок, соревнований или исследований.
• Вы владеете навыками программирования на Python и SQL.

Компенсация в размере 77 долларов в час (для студентов магистратуры) и 90 долларов в час (для студентов аспирантуры) *Примечание: это требуется в соответствии с законом о прозрачности оплаты труда в Нью-Йорке и раскрытием информации в Колорадо (как требуется в sb19-085[8-5-20]).

Обратите внимание, что перечисленные ниже преимущества могут варьироваться в зависимости от условий трудоустройства*

#LI-Hybrid