Applied Scientist

Про команду
Станьте частиною нашої динамічної команди, використовуючи складну базу даних, що містить понад 100 мільйонів будинків, транзакцій та користувачів, для прогнозування та аналізу тенденцій на ринку нерухомості. Як прикладний вчений зі спеціалізацією в економетриці та машинному навчанні, зосереджуючись на часових рядах та ієрархічному прогнозуванні, ви будете грати важливу роль у покращенні нашого розуміння та прогнозування в межах ринку нерухомості.

Як прикладний вчений, вашими ключовими обов'язками будуть:

• Розробка спільних прогнозів: Співпраця з прикладними вченими, науковцями з аналізу даних і економістами для розробки ієрархічних прогнозів для різних регіональних ринків нерухомості.
• Видобуток ознак: Визначення економічних та демографічних рушіїв зростання ринку нерухомості та видобування предиктивних ознак для тенденцій на 1-2 роки вперед.
• Розгортання моделей: Тісна співпраця з інженерною командою для розгортання моделей у виробничих середовищах.
• Виробництво прогнозів: Внесок у щомісячне виробництво прогнозів та передача отриманих висновків бізнес-партнерам та вищому керівництву.
• Моделювання сценаріїв: Розробка моделей, що охоплюють широкий спектр результатів ринку нерухомості для загальнокомпанійської структури стрес-тестування.

Ця роль підпадає під категорію віддаленої роботи. Співробітники, які працюють віддалено, не мають постійного корпоративного офісу і можуть працювати з будь-якої точки США, за певними винятками.

Для співробітників у штатах Каліфорнія, Колорадо, Коннектикут, Гаваї, Невада, Нью-Йорк, Вашингтон та Вашингтон, округ Колумбія, базовий оклад для цієї ролі становить $132,400.00 - $211,600.00 на рік. Компенсація може варіюватися залежно від досвіду, результатів та місця розташування. Крім конкурентоспроможної базової заробітної плати, ця посада має право на акції компанії.

Ми шукаємо когось із:

• Сильний інтерес до ринку нерухомості: Уважний спостерігач з розумінням економічних факторів, що впливають на ринок нерухомості.
• Інноваційні навички вирішення проблем: Пристрасть до часових рядів, панельних даних та ієрархічного прогнозування, проведення незалежних досліджень та застосування їх до реальних проблем.
• Технічна компетентність: Експертиза у методах економетрики та техніках машинного навчання, очищенні даних, попередній обробці, створенні ознак, оцінюванні та валідації моделей. Досвід роботи з великими наборами даних та розподіленими обчислювальними платформами, такими як Spark, хмарними платформами та найкращими практиками розробки програмного забезпечення.
• Відмінні комунікативні навички: Здатність ефективно передавати складні концепції широкій аудиторії.
• Досвід: 2+ роки досвіду у прогнозуванні часових рядів/