Tech Architect - Machine Learning

В Quantiphi технологии – это основа нашего бизнеса, а наша глобальная, разнообразная культура является ключом к нашему успеху. Мы страстно относимся к нашим людям и гордимся культурой, основанной на прозрачности, разнообразии, честности, обучении и росте. Если вы процветаете в среде, которая поощряет инновации и совершенство как в профессиональной, так и в личной сфере, карьера в Quantiphi идеально подходит для вас!

Должность: Архитектор – Машинное обучение

Уровень опыта: 8+ лет

Места работы: Мумбаи, Бангалор, Тривандрум

Роль и обязанности:

• Разработка высокоуровневых архитектурных решений и сотрудничество с нашими удаленными командами больших данных инженеров, ученых-данных и аналитиков для создания, тестирования и оценки предиктивных моделей на основе критериев успеха клиента.
• Применение статистических методов для анализа и интерпретации данных для получения значимых выводов.
• Разработка ясных и сложных интерпретаций и передача выводов клиентам, приводящих к количественно измеримым бизнес-эффектам.
• Выстраивание глубоких отношений с клиентами, понимая как их явные, так и скрытые потребности.
• Тесное сотрудничество с менеджерами удаленной доставки для обеспечения бесперебойной коммуникации и ритмичности поставок.
• Исследование и выявление возможностей продаж, генерация лидов и категоризация целей.
• Наставничество и руководство старшими ресурсами/руководителями команд.
• Лидирование технических обсуждений, касающихся архитектурного дизайна и устранения неполадок с клиентами, и предоставление активных решений.

Требуемые навыки:

• 8+ лет практического опыта в разработке, развертывании и операционализации моделей в области статистического ML, NLP и т.д.
• Профессионализм в Python, в частности, в объектно-ориентированном программировании.
• Глубокое понимание стандартов кодирования и практик CI/CD.
• Профессиональные навыки в SQL для аналитики данных, включая запросы, анализ и обработку больших наборов данных.
• Глубокий опыт в разработке моделей ML, в частности в статистических моделях регрессии и классификации ML.
• Эк