Científico de datos e ingeniero de aprendizaje automático: análisis predictivo e IA agente

Queremos que crezcas con nosotros
Los datos cuentan historias y este rol es responsable de convertir esas historias en decisiones. Como nuestro científico de datos e ingeniero de aprendizaje automático, desarrollará modelos predictivos, prescriptivos y de optimización que le brindan a Intersnack la previsión analítica para actuar con confianza en las áreas de adquisiciones, fabricación y ventas. Informará al Programa de IA y trabajará junto con ingenieros de IA e ingenieros de datos para integrar sus modelos en el conocimiento y los marcos de IA agentes que se están construyendo en toda la organización, combinando el rigor clásico del aprendizaje automático con las capacidades emergentes de grandes modelos de lenguaje y agentes inteligentes. Intersnack se compromete a hacer crecer su personal a medida que aumentan sus capacidades, y este rol ofrece un punto de vista único desde el cual dar forma a cómo se integra el razonamiento de la IA en un negocio global.
Qué podemos ofrecer
Tendrá la oportunidad de trabajar en una gama amplia y comercialmente significativa de desafíos de modelado, desde pronóstico de demanda y optimización de procesos en fabricación, hasta análisis de adquisiciones y modelado de escenarios, con acceso directo a las partes interesadas del negocio cuyas decisiones informarán sus modelos. Este no es un papel en el que los modelos se sientan en cuadernos; su trabajo será operacionalizado, monitoreado e iterado en entornos de producción. Colaborará con arquitectos e ingenieros de inteligencia artificial para integrar la lógica predictiva en flujos de trabajo agentes, brindando a sus modelos un alcance e impacto que va más allá de los casos de uso individuales. Dusseldorf es su base de operaciones, con flexibilidad para el trabajo remoto, y la presencia internacional de Intersnack garantiza que sus modelos funcionarán a escala real.
Cómo empleará su tiempo como nuestro próximo científico de datos e ingeniero de aprendizaje automático: análisis predictivo e IA agente
Dividirá su tiempo entre desarrollar nuevos modelos y mejorar los existentes, integrar los resultados del aprendizaje automático en sistemas analíticos y de agencia y permitir activamente que las partes interesadas del negocio comprendan y confíen en lo que producen esos modelos. Su trabajo conecta el rigor técnico del modelado estadístico y la ingeniería de aprendizaje automático con la intención comercial de una empresa que quiere que la IA cree valor real y mensurable.
lo que harás

• Desarrollar, validar e implementar modelos predictivos, prescriptivos y de optimización para dominios comerciales centrales, incluidos adquisiciones, fabricación y ventas, traduciendo datos en previsión y recomendaciones procesables.

• Construir, ajustar y adaptar modelos de lenguaje grandes (LLM) y modelos de lenguaje especializados para tareas de PNL específicas del negocio, incluido el análisis de datos operativos no estructurados.

• Diseñar e implementar marcos de simulación y modelado de escenarios que permitan a los equipos de negocios explorar compensaciones y planificar en condiciones de incertidumbre.

• Integre el aprendizaje automático y la lógica predictiva en los flujos de trabajo de IA agentes, combinando los resultados del modelo con el razonamiento de los agentes para respaldar la toma de decisiones automatizada y semiautomática.

• Sea dueño del ciclo de vida completo de ML para sus modelos, desde la ingeniería de funciones y la capacitación hasta la implementación, el control de versiones y el monitoreo continuo, aplicando las mejores prácticas de MLOps en todo momento.

• Aplicar técnicas de PNL a datos comerciales no estructurados, extrayendo señales estructuradas de documentos, comunicaciones y registros operativos para respaldar análisis y casos de uso de IA.

• Comunicar claramente los resultados del modelo, las limitaciones, los niveles de confianza y los supuestos subyacentes a las partes interesadas del negocio, fomentando la comprensión, la confianza y la adopción adecuada de los conocimientos generados por la IA.

• Incorporar consideraciones de seguridad y gobernanza en el diseño del modelo, incluidas protecciones contra inyección rápida, fuga de datos y entradas adversas, en línea con los estándares de seguridad de IA de Intersnack.

• Apoyar a los colegas en el desarrollo de la IA y la alfabetización en datos, contribuyendo activamente al programa de cambio cultural que acompaña el proceso más amplio de adopción de la IA de Intersnack.

Habilidades y experiencia esenciales

• Experiencia demostrada en el desarrollo e implementación de modelos de aprendizaje automático predictivos y prescriptivos en entornos de producción a gran escala, con una sólida base en modelado estadístico y evaluación de modelos.

• Experiencia práctica con modelos de lenguajes grandes (LLM), que incluyen ingeniería rápida, ajuste fino y adaptación de dominios para PNL empresarial y tareas de datos no estructurados, como clasificación, extracción de entidades, resumen y recuperación basada en incrustaciones.

• Dominio de Python y marcos de aprendizaje automático relevantes (por ejemplo, scikit-learn, PyTorch, TensorFlow o equivalente), incluida experiencia con el seguimiento de experimentos y herramientas de control de versiones de modelos.

• Experiencia en ingeniería de funciones, almacenes de funciones o procesos de preparación de datos para el entrenamiento y servicio de modelos.

• Comprensión sólida de las prácticas de MLOps, incluida la implementación de modelos, el monitoreo y la administración del ciclo de vida en entornos de nube (Microsoft Azure ML, AWS SageMaker o equivalente)

• Experiencia práctica en la integración de resultados de aprendizaje automático en flujos de trabajo de IA agentes, combinando el razonamiento de modelos con marcos de orquestación de agentes para la toma de decisiones automatizada o semiautomática.

• Familiaridad con técnicas de simulación y modelado de escenarios, lo que permite a los equipos de negocios explorar compensaciones y planificar en condiciones de incertidumbre.

• Comunicación clara y segura del comportamiento, las limitaciones y los resultados del modelo a las partes interesadas del negocio no técnicos, fomentando la comprensión y la adopción adecuada de los conocimientos generados por la IA.

• Conocimiento de los riesgos de seguridad de la IA, incluida la inyección rápida, la fuga de datos y los ataques adversarios, con experiencia en la aplicación de mitigaciones en el diseño de modelos o sistemas.

• Comprensión del RGPD, la Ley de IA de la UE y los principios de IA responsable, con la capacidad de aplicarlos a la selección de modelos, la gestión de datos de capacitación y las decisiones de implementación...

Fuente: Arbeitnow (https://www.arbeitnow.com/jobs/companies/intersnack-it-kg/data-scientist-ml-engineer-predictive-analytics-agentic-ai-dusseldorf-473539)