Lojas Renner S.A.
Lojas Renner S.A.
Lojas Renner S.A. ist eine brasilianische Einzelhandels- und Modegruppe mit Sitz in Porto Alegre, die in den Bereichen Kaufhäuser, Bekleidung, Haushaltswaren und Wiederverkauf tätig ist. Zu ihren Verbrauchermarken gehören Renner, Youcom, Ashua, Camicado und Repassa, die Kundinnen und Kunden über stationäre Geschäfte und digitale Kanäle erreichen. Die Aktivitäten der Gruppe umfassen E-Commerce, Marktplatzbetrieb, digitale Transformation, Technologie und Daten sowie Initiativen für Nachhaltigkeit und Kreislaufmode. Lojas Renner S.A. unterstützt außerdem Innovations- und Venture-Programme, die zur Entwicklung neuer Kompetenzen im Einzelhandel und besserer Kundenerlebnisse beitragen.

Data Scientist für Prognosen und maschinelles Lernen bei Lojas Renner

Entwickle Prognosemodelle und Machine-Learning-Pipelines, um strategische Entscheidungen zu unterstützen. Lojas Renner ist eine brasilianische Modehandelsgruppe.

Beschreibung

  • Entwickle und verfeinere Prognosemodelle für unterschiedliche Zeithorizonte und Detaillierungsgrade.
  • Erstelle und verbessere Pipelines für die Datenaufbereitung, das Modelltraining, die Evaluierung und die Inferenz.
  • Untersuche Trends, saisonale Muster, Ereignisse und externe Faktoren, die sich auf Daten und Prognosegenauigkeit auswirken.
  • Vergleiche Modelle mithilfe von Analysen und Experimenten und berücksichtige dabei technische Kennzahlen und geschäftliche Auswirkungen.
  • Überwache Modelle im Produktivbetrieb und erkenne Leistungsänderungen, Verzerrungen und Verbesserungsmöglichkeiten.
  • Untersuche Dateninkonsistenzen und empfehle Verbesserungen bei Datenqualität, Feature Engineering und Modellierungsabläufen.
  • Arbeite mit den Teams für Engineering und Technologie zusammen, um Lösungen bereitzustellen, zu integrieren und zu skalieren.
  • Überführe geschäftliche Herausforderungen in analytische Fragestellungen und vermittle Erkenntnisse und Empfehlungen verständlich.
  • Dokumentiere Experimente, technische Entscheidungen und Evaluierungskriterien, um die Lösungen kontinuierlich zu verbessern.

Anforderungen

  • Bachelorabschluss in Informatik, Data Science, Statistik, Mathematik, Wirtschaftswissenschaften, Ingenieurwesen oder einem verwandten Fachgebiet.
  • Praktische Erfahrung in Data Science, maschinellem Lernen oder statistischer Modellierung.
  • Sichere Kenntnisse in Python und SQL für Datenanalyse, -verarbeitung und Modellierung.
  • Erfahrung mit Zeitreihen-, Regressions- und Prognosemodellen.
  • Kenntnisse statistischer Verfahren und Machine-Learning-Algorithmen für Prognosen.
  • Erfahrung in der Datenaufbereitung, dem Feature Engineering und der zeitbasierten Validierung von Modellen.
  • Vertrautheit mit Prognosekennzahlen wie MAE, RMSE, WAPE, MAPE und Bias.
  • Erfahrung mit Versionsverwaltung und Tools zur Nachverfolgung von Experimenten und Modellen.
  • Fähigkeit, gut strukturierte, testbare und produktionsreife Lösungen zu entwickeln.
  • Fähigkeit, geschäftliche Anforderungen zu verstehen und in datengestützte Lösungen zu überführen.
  • Erfahrung mit hierarchischen Prognosen, Prognoseabstimmung und unterschiedlichen Detaillierungsgraden ist von Vorteil.
  • Kenntnisse von ARIMA, ETS, Prophet, baumbasierten Verfahren und neuronalen Netzen für Zeitreihen sind von Vorteil.
  • Erfahrung mit externen Variablen, Kalenderereignissen und probabilistischen Prognosen ist von Vorteil.
  • Vertrautheit mit Databricks, Apache Spark und Cloud-Plattformen ist von Vorteil.
  • Kenntnisse von MLflow, Docker, CI/CD und MLOps-Praktiken sind von Vorteil.
  • Erfahrung mit Optimierung, Simulation oder Bedarfsplanung ist von Vorteil.
  • Erfahrung mit automatisierter Überwachung, der Erkennung nachlassender Modellleistung und dem erneuten Training ist von Vorteil.

Ähnliche Stellen

Inmetrics

Senior Data Scientist

Inmetrics
501 – 1.000 Mitarbeitende
BeratungLogistikMarketing

Entwickle Machine-Learning-Modelle und KI-Lösungen für strategische Projekte von Inmetrics und verwandle Daten in fundierte Geschäftsentscheidungen. Übernimm die technische Leitung multidisziplinärer Teams.

Öffnen