Εργασία
Από ροή συνεργάτη
Applied Data Scientist / Machine Learning Engineer (Decision Intelligence)
Τιμή κατόπιν αιτήματος
Λεπτομέρειες
- Τύπος απασχόλησης
- Πλήρης απασχόληση
- Απομακρυσμένα
- Ναι
- Εταιρεία
- WorkWave
- Επίπεδο
- Midweight
Περιγραφή
Μεταφρασμένο αυτόματα από English. Το πρωτότυπο κείμενο είναι το επίσημο. Μηχανική μετάφραση — ετοιμάζεται μια πιο ακριβής έκδοση.
Αναζητούμε έναν Επιστήμονα Εφαρμοσμένων Δεδομένων ή Μηχανικό Μηχανικής Εκμάθησης με γνώμονα τα προϊόντα που θα βοηθήσει στην κατασκευή, αποστολή και κλιμάκωση προϊόντων που λειτουργούν με ML που βελτιώνουν άμεσα τον τρόπο με τον οποίο οι πελάτες μας λαμβάνουν αποφάσεις, λειτουργούν τις επιχειρήσεις τους και εξυπηρετούν τους δικούς τους χρήστες.
Αυτός δεν είναι ένας ρόλος μόνο για έρευνα, ούτε είναι μια θέση εσωτερικής ανάλυσης προσανατολισμένη στις υπηρεσίες. Θέλουμε κάποιον που έχει λάβει τη μηχανική μάθηση από τον ορισμό του προβλήματος μέσω του πειραματισμού, της ανάπτυξης παραγωγής, της μέτρησης, της επανάληψης και της μακροπρόθεσμης ιδιοκτησίας. Καταλαβαίνετε ότι τα εξαιρετικά μοντέλα δεν είναι μόνο ακριβή σε σημειωματάρια—είναι χρησιμοποιήσιμα, εξηγήσιμα, μετρήσιμα, επεκτάσιμα και πολύτιμα μέσα σε ένα πραγματικό προϊόν.
Είτε το υπόβαθρό σας κλίνει σε μεγάλο βαθμό προς το Data Engineering/ML Ops είτε το Applied Data Science, έχετε ισχυρή προκατάληψη προς τη ναυτιλία και ενδιαφέρεστε να γεφυρώσετε και τους δύο κόσμους για να ζωντανέψετε την τεχνητή νοημοσύνη.
ΤΙ ΘΑ ΚΑΝΕΤΕ:
Μηχανική & Ενεργοποίηση AI
•
Ιδιοκτησία ML από άκρο σε άκρο: Οδηγήστε την ανάπτυξη δυνατοτήτων μηχανικής εκμάθησης (πρόβλεψη, σύσταση, κατάταξη, βελτιστοποίηση ή ευφυΐα αποφάσεων) που τροφοδοτούν τα προϊόντα SaaS που απευθύνονται σε πελάτες.
•
Ανάπτυξη αγωγών και μοντέλων: Σχεδιάστε αξιόπιστα δεδομένα και παρουσιάστε αγωγούς παράλληλα με μοντέλα από την ανακάλυψη έως τον πειραματισμό, την επικύρωση, την ανάπτυξη και την παρακολούθηση.
•
Ενσωμάτωση προϊόντων: Συνεργαστείτε με Διευθυντές Προϊόντων και Μηχανικούς Λογισμικού για να ενσωματώσετε το ML απευθείας στις ροές εργασίας προϊόντων, στις εμπειρίες των χρηστών και στα εργαλεία λήψης αποφάσεων.
•
Πραγματική Πρωτοτυποποίηση: Μεταβείτε γρήγορα από το πρωτότυπο στην παραγωγή, ενώ εξισορροπείτε την ακρίβεια, την ερμηνευτικότητα, τον λανθάνοντα χρόνο, τη δυνατότητα συντήρησης και τον επιχειρηματικό αντίκτυπο.
Οικοσυστημική Ιδιοκτησία & Στρατηγική
•
Αξιολόγηση & Πειραματισμός: Καθορίστε στρατηγικές αξιολόγησης εκτός σύνδεσης και online, συμπεριλαμβανομένης της ποιότητας του μοντέλου, της μετατόπισης και της αξιοπιστίας. Σχεδιάστε δοκιμές A/B και πλαίσια μέτρησης αιτιολογίας για να αποδείξετε ότι τα χαρακτηριστικά ML βελτιώνουν τα αποτελέσματα των πελατών.
•
Βρόχοι δεδομένων υγείας και σχολίων: Συνεργαστείτε με ομάδες δεδομένων για να διασφαλίσετε ότι τα μοντέλα υποστηρίζονται από χαρακτηριστικά υψηλής ποιότητας, ενώ δημιουργείτε βρόχους ανατροφοδότησης, ώστε οι εμπειρίες των προϊόντων να βελτιώνονται με την πάροδο του χρόνου.
•
Υποστήριξη πλατφόρμας και MLOps: Βοηθήστε στη διαχείριση και τη βελτιστοποίηση της υποδομής δεδομένων cloud, διασφαλίζοντας αξιόπιστες πληροφορίες και διαχειρίζεστε προληπτικά την υγεία των δεδομένων προτού επηρεάσει τους χρήστες.
Προϊόν & Τεχνική Κατεύθυνση
•
Στρατηγική κρίση: Κάντε ισχυρή κρίση σχετικά με το πότε πρέπει να χρησιμοποιήσετε την παραδοσιακή ML, τη στατιστική μοντελοποίηση, τα LLM, τα ευρετικά ή την απλούστερη λογική του προϊόντος. Κάντε πρακτικούς συμβιβασμούς όσον αφορά την πολυπλοκότητα του μοντέλου και τον αντίκτυπο στον πελάτη.
•
Επιρροή χάρτη πορείας: Αναφέρετε ξεκάθαρα τι μπορεί και τι δεν μπορεί να λύσει η ML για να επηρεάσει τις αποφάσεις του οδικού χάρτη, βοηθώντας στον εντοπισμό του πού η μηχανική εκμάθηση μπορεί να δημιουργήσει πραγματική διαφοροποίηση προϊόντων.
•
Καθοδήγηση: Καθοδηγήστε και καθοδηγήστε άλλους επιστήμονες δεδομένων, μηχανικούς ML, αναλυτές και διαλειτουργικούς συνεργάτες στις εφαρμοσμένες βέλτιστες πρακτικές ML.
ΠΟΙΟΣ ΕΙΣΑΙ:
•
The Proven Builder: Έχετε αποστείλει ML σε πραγματικά προϊόντα. Αισθάνεστε άνετα να ξεκινήσετε με ένα διφορούμενο πρόβλημα προϊόντος, να καταλάβετε εάν το ML είναι η σωστή λύση, να το δημιουργήσετε και να μετρήσετε αν λειτούργησε.
•
Product-First Architect: Σας ενδιαφέρει ο αντίκτυπος του προϊόντος όσο και η απόδοση του μοντέλου. Γνωρίζετε ότι ένα μοντέλο με ελαφρώς χαμηλότερη ακρίβεια, αλλά μεγαλύτερη εμπιστοσύνη, ταχύτερη εξαγωγή συμπερασμάτων, καλύτερη επεξήγηση και ισχυρότερη υιοθέτηση από τον χρήστη είναι η καλύτερη απόφαση προϊόντος.
•
Ένας διεπιστημονικός δήμιος: Καταλαβαίνετε ότι ένα μοντέλο είναι τόσο καλό όσο ο αγωγός που το τροφοδοτεί. Δίνετε προτεραιότητα στη χρηστικότητα, στο "Time to Insight" και στην εμπιστοσύνη των πελατών όσο και στην αποτελεσματικότητα του κώδικα.
ΤΙ ΘΑ ΦΕΡΕΤΕ:
•
Εμπειρία: 3+ χρόνια (ιδανικά 5+) επαγγελματική εμπειρία στην εφαρμοσμένη επιστήμη δεδομένων, τη μηχανική μάθηση ή τη μηχανική ML, συμπεριλαμβανομένης της πρακτικής εμπειρίας κατασκευής και αποστολής μοντέλων σε προϊόντα παραγωγής. Η εμπειρία με τα προϊόντα SaaS εκτιμάται ιδιαίτερα.
•
Τεχνικός πυρήνας: Ισχυρές δεξιότητες Python και πρακτική εμπειρία με εφαρμοσμένες βιβλιοθήκες και πλαίσια ML (π.χ. Scikit-Learn, XGBoost, PyTorch, TensorFlow). Απαιτείται σταθερή τεχνογνωσία SQL.
•
ML & Βάθος Μοντελοποίησης: Ισχυρή κατανόηση της εποπτευόμενης μάθησης, της πρόβλεψης, της κατάταξης, των συστημάτων συστάσεων, της βελτιστοποίησης ή της στατιστικής μοντελοποίησης. Η εμπειρία με τα πραγματικά, ατελή σύνολα δεδομένων προϊόντων είναι απαραίτητη.
•
Ops & Orchestration: Εξοικείωση με τις έννοιες MLOps (εκδόσεις μοντέλων, διοχετεύσεις χαρακτηριστικών, ενορχήστρωση μέσω Airflow/dbt/Dagster, παρακολούθηση, ανίχνευση drift) και σύγχρονες πλατφόρμες δεδομένων (π.χ. Snowflake, BigQuery, Redshift, Databricks).
•
Cloud Infrastructure: Πρακτική εμπειρία λειτουργίας σε περιβάλλοντα cloud (AWS, GCP ή Azure).
•
Επικοινωνία & Συνεργασία: Άριστες δεξιότητες επικοινωνίας με την ικανότητα να εξηγούνται με σαφήνεια πολύπλοκες τεχνικές ανταλλαγές στα ενδιαφερόμενα μέρη του προϊόντος, της μηχανικής και των μη τεχνικών επιχειρήσεων.
ΜΠΟΝΟΥΣ ΠΟΝΤΕΣ ΓΙΑ:
•
Εμπειρία με ευφυΐα αποφάσεων, προβλέψεις, μοντελοποίηση συμπεριφοράς πελατών, βελτιστοποίηση εργατικού δυναμικού/διαδρομών ή προϊόντα επιχειρησιακής νοημοσύνης.
•
Εμπειρία με LLMs, GenAI ή πρακτικές ροές εργασίας που εφαρμόζονται σε πραγματικές περιπτώσεις χρήσης προϊόντων.
•
Προηγούμενη εμπειρία ενεργώντας ως Ανώτερος ή Επικεφαλής επιστήμονας υπεύθυνος για την καθοδήγηση τεχνικής διεύθυνσης.
ΤΙ ΠΡΕΠΕΙ ΝΑ ΓΝΩΡΙΖΕΤΕ ΓΙΑ ΕΜΑΣ:
• Είμαστε χαλαροί αλλά κουμπωμένοι. Προσφέρουμε ένα απλό περιβάλλον εργασίας και ευελιξία απομακρυσμένης εργασίας και έχουμε πάθος για την ανάπτυξη δημιουργικών, καινοτόμων βέλτιστων στην κατηγορία λύσεων που συμβάλλουν άμεσα στην επιτυχία των πελατών μας
• Φροντίζουμε βαθιά και παρέχουμε υπηρεσίες και λύσεις που κάνουν πραγματική διαφορά στη ζωή των πελατών μας και των επιχειρήσεων τους
• Δεχόμαστε ανοιχτά τους άλλους όπως είναι και χτίζουμε ισχυρές συνεργασίες που βασίζονται στην εμπιστοσύνη
• Η ομαδική εργασία και η συνεργασία είναι το κλειδί για να βοηθήσουμε τους συναδέλφους και τους πελάτες μας να λύσουν τις προκλήσεις τους
• Η ομάδα μας είναι ενεργητική, διασκεδαστική, φυσικά περίεργη και πρόθυμη να επηρεάσει, σας προσκαλούμε να γίνετε μαζί μας!
ΑΓΑΠΑΣ ΑΥΤΟ ΠΟΥ ΚΑΝΕΙΣ, ΑΝΕΧΕΙ ΠΟΥ ΤΟ ΚΑΝΕΙΣ:…
Πηγή: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence)
Αυτός δεν είναι ένας ρόλος μόνο για έρευνα, ούτε είναι μια θέση εσωτερικής ανάλυσης προσανατολισμένη στις υπηρεσίες. Θέλουμε κάποιον που έχει λάβει τη μηχανική μάθηση από τον ορισμό του προβλήματος μέσω του πειραματισμού, της ανάπτυξης παραγωγής, της μέτρησης, της επανάληψης και της μακροπρόθεσμης ιδιοκτησίας. Καταλαβαίνετε ότι τα εξαιρετικά μοντέλα δεν είναι μόνο ακριβή σε σημειωματάρια—είναι χρησιμοποιήσιμα, εξηγήσιμα, μετρήσιμα, επεκτάσιμα και πολύτιμα μέσα σε ένα πραγματικό προϊόν.
Είτε το υπόβαθρό σας κλίνει σε μεγάλο βαθμό προς το Data Engineering/ML Ops είτε το Applied Data Science, έχετε ισχυρή προκατάληψη προς τη ναυτιλία και ενδιαφέρεστε να γεφυρώσετε και τους δύο κόσμους για να ζωντανέψετε την τεχνητή νοημοσύνη.
ΤΙ ΘΑ ΚΑΝΕΤΕ:
Μηχανική & Ενεργοποίηση AI
•
Ιδιοκτησία ML από άκρο σε άκρο: Οδηγήστε την ανάπτυξη δυνατοτήτων μηχανικής εκμάθησης (πρόβλεψη, σύσταση, κατάταξη, βελτιστοποίηση ή ευφυΐα αποφάσεων) που τροφοδοτούν τα προϊόντα SaaS που απευθύνονται σε πελάτες.
•
Ανάπτυξη αγωγών και μοντέλων: Σχεδιάστε αξιόπιστα δεδομένα και παρουσιάστε αγωγούς παράλληλα με μοντέλα από την ανακάλυψη έως τον πειραματισμό, την επικύρωση, την ανάπτυξη και την παρακολούθηση.
•
Ενσωμάτωση προϊόντων: Συνεργαστείτε με Διευθυντές Προϊόντων και Μηχανικούς Λογισμικού για να ενσωματώσετε το ML απευθείας στις ροές εργασίας προϊόντων, στις εμπειρίες των χρηστών και στα εργαλεία λήψης αποφάσεων.
•
Πραγματική Πρωτοτυποποίηση: Μεταβείτε γρήγορα από το πρωτότυπο στην παραγωγή, ενώ εξισορροπείτε την ακρίβεια, την ερμηνευτικότητα, τον λανθάνοντα χρόνο, τη δυνατότητα συντήρησης και τον επιχειρηματικό αντίκτυπο.
Οικοσυστημική Ιδιοκτησία & Στρατηγική
•
Αξιολόγηση & Πειραματισμός: Καθορίστε στρατηγικές αξιολόγησης εκτός σύνδεσης και online, συμπεριλαμβανομένης της ποιότητας του μοντέλου, της μετατόπισης και της αξιοπιστίας. Σχεδιάστε δοκιμές A/B και πλαίσια μέτρησης αιτιολογίας για να αποδείξετε ότι τα χαρακτηριστικά ML βελτιώνουν τα αποτελέσματα των πελατών.
•
Βρόχοι δεδομένων υγείας και σχολίων: Συνεργαστείτε με ομάδες δεδομένων για να διασφαλίσετε ότι τα μοντέλα υποστηρίζονται από χαρακτηριστικά υψηλής ποιότητας, ενώ δημιουργείτε βρόχους ανατροφοδότησης, ώστε οι εμπειρίες των προϊόντων να βελτιώνονται με την πάροδο του χρόνου.
•
Υποστήριξη πλατφόρμας και MLOps: Βοηθήστε στη διαχείριση και τη βελτιστοποίηση της υποδομής δεδομένων cloud, διασφαλίζοντας αξιόπιστες πληροφορίες και διαχειρίζεστε προληπτικά την υγεία των δεδομένων προτού επηρεάσει τους χρήστες.
Προϊόν & Τεχνική Κατεύθυνση
•
Στρατηγική κρίση: Κάντε ισχυρή κρίση σχετικά με το πότε πρέπει να χρησιμοποιήσετε την παραδοσιακή ML, τη στατιστική μοντελοποίηση, τα LLM, τα ευρετικά ή την απλούστερη λογική του προϊόντος. Κάντε πρακτικούς συμβιβασμούς όσον αφορά την πολυπλοκότητα του μοντέλου και τον αντίκτυπο στον πελάτη.
•
Επιρροή χάρτη πορείας: Αναφέρετε ξεκάθαρα τι μπορεί και τι δεν μπορεί να λύσει η ML για να επηρεάσει τις αποφάσεις του οδικού χάρτη, βοηθώντας στον εντοπισμό του πού η μηχανική εκμάθηση μπορεί να δημιουργήσει πραγματική διαφοροποίηση προϊόντων.
•
Καθοδήγηση: Καθοδηγήστε και καθοδηγήστε άλλους επιστήμονες δεδομένων, μηχανικούς ML, αναλυτές και διαλειτουργικούς συνεργάτες στις εφαρμοσμένες βέλτιστες πρακτικές ML.
ΠΟΙΟΣ ΕΙΣΑΙ:
•
The Proven Builder: Έχετε αποστείλει ML σε πραγματικά προϊόντα. Αισθάνεστε άνετα να ξεκινήσετε με ένα διφορούμενο πρόβλημα προϊόντος, να καταλάβετε εάν το ML είναι η σωστή λύση, να το δημιουργήσετε και να μετρήσετε αν λειτούργησε.
•
Product-First Architect: Σας ενδιαφέρει ο αντίκτυπος του προϊόντος όσο και η απόδοση του μοντέλου. Γνωρίζετε ότι ένα μοντέλο με ελαφρώς χαμηλότερη ακρίβεια, αλλά μεγαλύτερη εμπιστοσύνη, ταχύτερη εξαγωγή συμπερασμάτων, καλύτερη επεξήγηση και ισχυρότερη υιοθέτηση από τον χρήστη είναι η καλύτερη απόφαση προϊόντος.
•
Ένας διεπιστημονικός δήμιος: Καταλαβαίνετε ότι ένα μοντέλο είναι τόσο καλό όσο ο αγωγός που το τροφοδοτεί. Δίνετε προτεραιότητα στη χρηστικότητα, στο "Time to Insight" και στην εμπιστοσύνη των πελατών όσο και στην αποτελεσματικότητα του κώδικα.
ΤΙ ΘΑ ΦΕΡΕΤΕ:
•
Εμπειρία: 3+ χρόνια (ιδανικά 5+) επαγγελματική εμπειρία στην εφαρμοσμένη επιστήμη δεδομένων, τη μηχανική μάθηση ή τη μηχανική ML, συμπεριλαμβανομένης της πρακτικής εμπειρίας κατασκευής και αποστολής μοντέλων σε προϊόντα παραγωγής. Η εμπειρία με τα προϊόντα SaaS εκτιμάται ιδιαίτερα.
•
Τεχνικός πυρήνας: Ισχυρές δεξιότητες Python και πρακτική εμπειρία με εφαρμοσμένες βιβλιοθήκες και πλαίσια ML (π.χ. Scikit-Learn, XGBoost, PyTorch, TensorFlow). Απαιτείται σταθερή τεχνογνωσία SQL.
•
ML & Βάθος Μοντελοποίησης: Ισχυρή κατανόηση της εποπτευόμενης μάθησης, της πρόβλεψης, της κατάταξης, των συστημάτων συστάσεων, της βελτιστοποίησης ή της στατιστικής μοντελοποίησης. Η εμπειρία με τα πραγματικά, ατελή σύνολα δεδομένων προϊόντων είναι απαραίτητη.
•
Ops & Orchestration: Εξοικείωση με τις έννοιες MLOps (εκδόσεις μοντέλων, διοχετεύσεις χαρακτηριστικών, ενορχήστρωση μέσω Airflow/dbt/Dagster, παρακολούθηση, ανίχνευση drift) και σύγχρονες πλατφόρμες δεδομένων (π.χ. Snowflake, BigQuery, Redshift, Databricks).
•
Cloud Infrastructure: Πρακτική εμπειρία λειτουργίας σε περιβάλλοντα cloud (AWS, GCP ή Azure).
•
Επικοινωνία & Συνεργασία: Άριστες δεξιότητες επικοινωνίας με την ικανότητα να εξηγούνται με σαφήνεια πολύπλοκες τεχνικές ανταλλαγές στα ενδιαφερόμενα μέρη του προϊόντος, της μηχανικής και των μη τεχνικών επιχειρήσεων.
ΜΠΟΝΟΥΣ ΠΟΝΤΕΣ ΓΙΑ:
•
Εμπειρία με ευφυΐα αποφάσεων, προβλέψεις, μοντελοποίηση συμπεριφοράς πελατών, βελτιστοποίηση εργατικού δυναμικού/διαδρομών ή προϊόντα επιχειρησιακής νοημοσύνης.
•
Εμπειρία με LLMs, GenAI ή πρακτικές ροές εργασίας που εφαρμόζονται σε πραγματικές περιπτώσεις χρήσης προϊόντων.
•
Προηγούμενη εμπειρία ενεργώντας ως Ανώτερος ή Επικεφαλής επιστήμονας υπεύθυνος για την καθοδήγηση τεχνικής διεύθυνσης.
ΤΙ ΠΡΕΠΕΙ ΝΑ ΓΝΩΡΙΖΕΤΕ ΓΙΑ ΕΜΑΣ:
• Είμαστε χαλαροί αλλά κουμπωμένοι. Προσφέρουμε ένα απλό περιβάλλον εργασίας και ευελιξία απομακρυσμένης εργασίας και έχουμε πάθος για την ανάπτυξη δημιουργικών, καινοτόμων βέλτιστων στην κατηγορία λύσεων που συμβάλλουν άμεσα στην επιτυχία των πελατών μας
• Φροντίζουμε βαθιά και παρέχουμε υπηρεσίες και λύσεις που κάνουν πραγματική διαφορά στη ζωή των πελατών μας και των επιχειρήσεων τους
• Δεχόμαστε ανοιχτά τους άλλους όπως είναι και χτίζουμε ισχυρές συνεργασίες που βασίζονται στην εμπιστοσύνη
• Η ομαδική εργασία και η συνεργασία είναι το κλειδί για να βοηθήσουμε τους συναδέλφους και τους πελάτες μας να λύσουν τις προκλήσεις τους
• Η ομάδα μας είναι ενεργητική, διασκεδαστική, φυσικά περίεργη και πρόθυμη να επηρεάσει, σας προσκαλούμε να γίνετε μαζί μας!
ΑΓΑΠΑΣ ΑΥΤΟ ΠΟΥ ΚΑΝΕΙΣ, ΑΝΕΧΕΙ ΠΟΥ ΤΟ ΚΑΝΕΙΣ:…
Πηγή: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence)
Αυτή η αγγελία προέρχεται από ροή συνεργάτη. Εφαρμόστε την στη ιστοσελίδα προέλευσης.
Πηγή: WorkWave
Καταχώριση από WorkWave.