Graph Data Scientist

Job expired!

Офіс технологій у Leidos шукає Фахівця з графових даних, щоб приєднатися до нашої інноваційної команди в офісі в Рестоні, штат Вірджинія. Це ваш шанс стати частиною передової групи, що прагне застосовувати можливості ШІ та даних для вирішення складних завдань.

Як Фахівець з графових даних, ви будете ключовим у розробці та впровадженні передових рішень ШІ. Ви використаєте свій досвід у науці про дані, машинному навчанні та штучному інтелекті, щоб просувати наші ініціативи в галузі ШІ.

Розробка та впровадження передових рішень ШІ для вирішення складних завдань з даними.
Використання сильних навичок у науці про дані, машинному навчанні та ШІ для створення інноваційних рішень.
Співпраця з міжфункціональними командами для перекладу бізнес-потреб у рішення ШІ.
Дослідження та залишатися в курсі новітніх досягнень у технологіях та методах ШІ.
Створення та підтримка моделей ШІ, алгоритмів і наборів даних.
Аналіз складних наборів даних для виявлення закономірностей і тенденцій.
Тісна співпраця з інженерами даних для забезпечення правильного збору, зберігання та обробки даних.
Розробка та підтримка документації та найкращих практик для розробки ШІ.
Ефективне спілкування з зацікавленими сторонами щодо знахідок і рекомендацій.
Постійний моніторинг та покращення продуктивності та точності моделей ШІ.
Співпраця з керівниками бізнесу для виявлення цінних застосувань ШІ.
Внесок у розробку стратегії та дорожньої карти ШІ.
Дотримання стандартів конфіденційності та безпеки даних у всіх діяльностях, пов'язаних із ШІ.

Бакалаврат з досвідом роботи 4+ років або магістратура з досвідом роботи 2+ років.
Можливість отримання секретного допуску.
Потужне розуміння алгоритмів машинного навчання, інструментів та платформ.
Вільне володіння Python.
Висока інтелектуальна цікавість та самомотивація.
Відмінні комунікативні навички для пояснення технічних результатів нетехнічним слухачам.
Вільне володіння техніками та інструментами дослідження даних.
Демонстроване розуміння основ теорії графів та аналізу мереж.
Досвід роботи з графовими бібліотеками, такими як networkx, igraph, SNAP тощо.

Знайомство з моделями навчання графових уявлень, такими як node2vec та graphSAGE.
Практичний досвід роботи з графовими нейронними мережами та пов'язаними фреймворками, такими як PyTorch-Geometric, Deep Graph Library, та Graph Nets.
Практичний досвід роботи з графовими базами даних, такими як Neo4j, Amazon Neptune, Titan, GraphDB.