Cint
Cint
Cint er en global teknologivirksomhed inden for markedsundersøgelser, der driver Cint Exchange, en programmatisk markedsplads for undersøgelser, som forbinder spørgeskemaundersøgelser med respondenter i 130 lande. Platformen understøtter mediemåling, indtjening på målgrupper, brand lift-undersøgelser, analyse af reklameeffekt og optimering af markedsføring i realtid. Cint kombinerer undersøgelsesteknologi med værktøjer til kunstig intelligens og maskinlæring, der er udviklet til at bidrage til at beskytte datakvalitet og dataintegritet, og betjener organisationer inden for rådgivning, markedsføring og markedsundersøgelser.

Senior dataforsker, Brasilien (fjernarbejde)

Led statistisk modellering og maskinlæring for Cints produkter til mediemåling. Omsæt store, komplekse datasæt til indsigter, der understøtter produktstrategi og -udvikling.

Beskrivelse

  • Udform statistiske metoder og kodebaser til maskinlæring for produkter til mediemåling.
  • Led forskning, afdækning og udvikling af statistiske modeller og maskinlæringsmodeller gennem hele livscyklussen.
  • Analysér store, komplekse datasæt for at skabe indsigter til beslutninger om produktstrategi og roadmap.
  • Håndtér datavidenskabelige initiativer fra planlægning til vedligeholdelse med begrænset supervision.
  • Samarbejd med ingeniør- og produktteams om design, implementering, idriftsættelse og validering af skalerbare maskinlæringsmodeller.
  • Byg, validér og vedligehold statistiske modeller og maskinlæringsmodeller.
  • Vurdér og validér løbende interne og eksterne produktmetoder.
  • Omsæt statistiske resultater til visualiseringer og præsentationer for tekniske og ikke-tekniske målgrupper.
  • Præsentér resultater og statistiske anbefalinger klart for forskellige forretningsmæssige og tekniske interessenter.

Krav

  • Kandidatgrad eller tilsvarende inden for statistik, kvantitative videnskaber, datavidenskab, operationsanalyse eller et andet kvantitativt fagområde.
  • Mindst fem års erfaring med datavidenskab, gerne inden for markedsanalyse eller reklameanalyse.
  • Evne til selvstændigt at bearbejde, analysere og fortolke store datasæt.
  • Stærkt kendskab til avancerede statistiske begreber, herunder fordelinger, hypotesetest, parametriske og ikke-parametriske test, undersøgelsesdesign, stikprøveteori, eksperimentelt design, regressions- eller prædiktiv modellering samt stokastisk modellering eller simulering.
  • Stærkt kendskab til maskinlæringsmetoder, herunder clustering, regression og træbaserede modeller samt deres praktiske afvejninger.
  • Praktisk erfaring med anvendelse af statistiske og modelleringsmæssige teknikker.
  • Stærke analytiske evner med omhyggeligt fokus på datavalidering og nøjagtighed.
  • Evne til selvstændigt at undersøge og lære ukendte metoder, værktøjer og teknikker.
  • Selvstændig tilgang til at levere projekter fra start til afslutning med begrænset supervision.
  • Kendskab til Python til statistisk analyse og implementering af maskinlæring.
  • Erfaring med mediemåling og digital attribution er en fordel.
  • Erfaring med multivariat testning er en fordel.
  • Erfaring med prædiktiv modellering er en fordel.
  • Erfaring med at forbinde holdningsbaserede undersøgelsesdata med adfærdsbaserede købsdata for at modellere og kvantificere resultater er en fordel.
  • Erfaring med metoder til onlineundersøgelser er en fordel.
  • Evne til at skrive og optimere SQL-forespørgsler er en fordel.
  • Erfaring med big data-teknologier som Spark er en fordel.

Relaterede job

Ambush

Senior maskinlærings- og AI-ingeniør

Ambush

Byg produktionsklare generative AI- og agentarbejdsgange til Ambushs kunder inden for finansielle tjenester. Udvikl Python- og FastAPI-tjenester, SQL-dataarbejdsgange, RAG-løsninger og cloudbaserede AI-systemer.

Åbn
GFN

Senior softwareingeniør inden for maskinlæring

GFN
201 – 500 Medarbejdere
E-handelFintechSaaS

Byg backendinfrastruktur og AI-understøttede læringsprodukter for GFN, en tysk uddannelsesudbyder. Udvikl skalerbare uddannelsesplatforme med fokus på robust softwarearkitektur og praktisk maskinlæring.

Åbn