Data Scientist

Job expired!

Про компанію Whisker:

Whisker є інноваційним творцем таких продуктів як Litter-Robot, Feeder-Robot і Litterbox.com. Наша місія полягає в постійному вдосконаленні догляду за домашніми улюбленцями за допомогою передових технологій і витончених аксесуарів для тварин. Наші рішення, такі як самочищуючі лотки для котів, автоматичні годівниці та сучасні котячі дерева, призначені для покращення життя домашніх улюбленців та їх власників. У Whisker, ми пристрасно прагнемо до покращення догляду за тваринами для щасливого спільного життя з вашими пухнастими друзями.

Штаб-квартира Whisker розташована в Оберн-Хіллс, штат Мічиган, з операціями в Джуно, штат Вісконсін, і налічує команду з більш ніж 500 відданих членів.

Огляд ролі: Data Scientist II

Data Scientist II буде фундаментально важливим для нашого процесу ухвалення рішень на основі даних, ведучи складні проекти в галузі науки про дані, статистичного аналізу, машинного навчання та моделювання даних. Ваша майстерність у маніпулюванні, вилученні та інтерпретації даних буде стимулювати інноваційні рішення для підвищення зростання бізнесу та ефективності роботи.

Основні обов'язки:

Аналіз даних та моделювання:

  • Використовувати передові статистичні методи та алгоритми машинного навчання для аналізу великих наборів даних, виявлення закономірностей, трендів і інсайтів.
  • Будувати прогностичні моделі та співпрацювати з міжфункціональними командами для отримання значущих бізнес-імплікацій з даних.

Ведення проектів:

  • Керувати проектами з науки про дані від початку до завершення, включаючи визначення обсягів робіт, встановлення віх і розподіл ресурсів для своєчасного виконання.

Машинне навчання та штучний інтелект:

  • Розробляти, впроваджувати та оптимізувати алгоритми машинного навчання для вирішення складних бізнес-завдань.
  • Ініціювати проекти, пов'язані з обробкою природної мови, комп'ютерним баченням, системами рекомендацій та іншими передовими технологіями.
  • Проєктувати та будувати підсистеми ETL для підготовки даних до аналізу та навчання.

Візуалізація даних:

  • Ефективно комунікувати висновки через чіткі та захопливі візуалізації даних, роблячи складні концепції доступними для всіх зацікавлених сторін.

Розгортання моделей:

  • Співпрацювати з командами програмного забезпечення для інтеграції моделей машинного навчання у виробничі та внутрішні системи, забезпечуючи масштабованість та продуктивність.

Управління даними та етика:

  • Дотримуватись принципів управління даними та етичних практик при роботі з чутливою та конфіденційною інформацією.

Наставництво та обмін знаннями:

  • Надавати керівництво та наставництво молодшим науковцям з даних, сприяючи їх