Старшие специалисты по работе с данными

Уведомление о конфиденциальности для соискателей компании TransUnion Персональные данные, которые мы собираем Ваши выбор в отношении конфиденциальности Мы бы хотели видеть: Описание вакансии Старшие специалисты по данным для различных и непредвиденных мест работы по всему США (главный офис: Чикаго, штат Иллинойс). Создание процессов статистического моделирования и разработка высокоточных, объясняемых и воспроизводимых решений статистического моделирования. Использование статистических и методов машинного обучения для создания высокопроизводительных статистических моделей, соответствующих регуляторным и требованиям конфиденциальности. Тестирование новых методов статистического анализа, программного обеспечения и источников данных для постоянного улучшения количественных решений. Обработка, очистка и проверка целостности данных, используемых для статистического анализа. Построение статистических методологий для создания контрольных групп для измерения эффективности кампаний. Техническая среда: Статистическое моделирование, Когортный анализ, Использование прогностической модели, Обучение с подкреплением с использованием алгоритмов XGBoost, Создание конвейера машинного обучения от сбора данных до инженерии признаков и обучения модели, AWS EMR Studio, Валидация и визуализация модели с использованием статистических метрик, Spark SQL, MapReduce, SQL, Python (Pandas, Pytorch, Tensorflow, NLP, MT, ASR, Scikit-learn), R (dplyr, tidyr, ggplot), SAS, AWS, Linux, Hadoop, Hive, Spark, Tableau, RStudio, MySQL. Требуемые навыки: Степень магистра по статистике или в смежной области, плюс 3 года опыта работы на предлагаемой вакансии или в качестве Статистика или со статистическим моделированием требуется. Требуемые навыки: статистическое моделирование, когортный анализ, использование прогнозных моделей, машинное обучение с использованием алгоритмов XGBoost, построение конвейера машинного обучения от сбора данных до инженерии характеристик и обучения модели, AWS EMR Studio, валидация моделей и визуализация с использованием статистических регуляторов, Spark SQL, MapReduce, SQL, Python (Pandas, Pytorch, Tensorflow, NLP, MT, ASR, Scikit-learn), R (dplyr, tidyr, ggplot), SAS, AWS, Linux, Hadoop, Hive, Spark, Tableau, RStudio, MySQL. Разрешена работа на дому. #LI-DNP