Η Aperia Technologies αναπτύσσει συστήματα διαχείρισης ελαστικών για εμπορικούς στόλους οχημάτων. Η πλατφόρμα Halo συνδυάζει τον αυτόματο πληθωρισμό των ελαστικών με την παρακολούθηση της πίεσής τους, ενώ το Halo Connect χρησιμοποιεί μηχανική μάθηση για να εντοπίζει έγκαιρα πιθανά προβλήματα στα ελαστικά. Η εταιρεία αναφέρει ότι η τεχνολογία της έχει δοκιμαστεί σε περισσότερα από 100 δισεκατομμύρια μίλια χρήσης στον κλάδο και έχει σχεδιαστεί ώστε να βοηθά τους στόλους να παρατείνουν τη διάρκεια ζωής των ελαστικών, να βελτιώνουν την οικονομία καυσίμου, να διατηρούν τα οχήματα σε λειτουργία και να υποστηρίζουν ασφαλέστερες λειτουργίες.
Αναλυτής Δεδομένων Υλικού
Ανάλυση δεδομένων IoT και τηλεματικής για τις λύσεις επαγγελματικών οχημάτων της Aperia Technologies. Χρήση πινάκων ελέγχου, μοντέλων και ροών δεδομένων για τη βελτίωση της αξιοπιστίας και της απόδοσης του υλικού, καθώς και των αποτελεσμάτων για τους πελάτες.
Περιγραφή
- Δημιουργία πινάκων ελέγχου, αναφορών και παρουσιάσεων με QuickSight, Tableau ή βιβλιοθήκες Python.
- Ανάλυση εισερχόμενων δεδομένων αισθητήρων και αναλυτικών στοιχείων για τον εντοπισμό τάσεων, ανωμαλιών και πιθανών προβλημάτων στο πεδίο.
- Εφαρμογή στατιστικών μοντέλων και μηχανικής μάθησης για την πρόταση βελτιώσεων στην αξιοπιστία και την απόδοση του υλικού.
- Σύγκριση αποτελεσμάτων εκδόσεων υλικολογισμικού για την επαλήθευση βελτιώσεων και τον εντοπισμό υποβαθμίσεων.
- Συνεργασία με ομάδες μηχανικής υλικού, διαχείρισης προϊόντων, επιστήμης δεδομένων και υποστήριξης πελατών.
- Παροχή τεκμηριωμένων από δεδομένα συμπερασμάτων για την απάντηση σε ερωτήσεις πελατών σχετικά με την απόδοση προϊόντων και ανωμαλίες.
- Πρόταση εργαλείων, μεθόδων και διαδικασιών που ενισχύουν τις δυνατότητες ανάλυσης και τη λειτουργική αποδοτικότητα.
- Συμβολή στη δημιουργία ροών δεδομένων για αξιόπιστη εισαγωγή, επεξεργασία και αποθήκευση μεγάλου όγκου δεδομένων πεδίου.
- Διασφάλιση ότι οι ομάδες διαθέτουν την πρόσβαση στα δεδομένα και τα εργαλεία που χρειάζονται για τεκμηριωμένες αποφάσεις.
- Αξιοποίηση δεδομένων πεδίου για τον σχεδιασμό μελλοντικών δυνατοτήτων υλικού και λογισμικού.
Απαιτήσεις
- Απαιτείται συνεχής άδεια εργασίας στις Ηνωμένες Πολιτείες χωρίς τρέχουσα ή μελλοντική χορηγία από εργοδότη.
- Οι υποψήφιοι με καθεστώς F-1, OPT ή STEM OPT δεν είναι επιλέξιμοι.
- Πτυχίο στη Επιστήμη Δεδομένων, στην Επιστήμη Υπολογιστών ή σε συναφή τομέα.
- Εμπειρία 2–4 ετών στην ανάλυση δεδομένων· προτιμάται εμπειρία σχετική με υλικό ή IoT.
- Άριστη γνώση Python, SQL, MATLAB ή Excel για ανάλυση δεδομένων και μοντελοποίηση.
- Εμπειρία με εργαλεία οπτικοποίησης, όπως QuickSight, Tableau, Streamlit ή Looker.
- Ισχυρή κατανόηση στατιστικής μοντελοποίησης, μηχανικής μάθησης και ανάλυσης χρονοσειρών.
- Η εμπειρία με υπηρεσίες AWS όπως S3, Redshift, Kinesis ή IoT Core, ή με παρόμοιες πλατφόρμες νέφους, αποτελεί πρόσθετο προσόν.
- Ισχυρές αναλυτικές δεξιότητες και δεξιότητες επίλυσης προβλημάτων.
- Ικανότητα μετατροπής ευρημάτων δεδομένων σε αξιοποιήσιμα συμπεράσματα.
- Άριστες επικοινωνιακές δεξιότητες για τη σαφή εξήγηση σύνθετων δεδομένων σε τεχνικούς και μη τεχνικούς ενδιαφερόμενους.
Παροχές
- Η πρόσθετη αποζημίωση μπορεί να περιλαμβάνει μετοχικό κεφάλαιο.
- Η πρόσθετη αποζημίωση μπορεί να περιλαμβάνει μπόνους.
- Η πρόσθετη αποζημίωση μπορεί να περιλαμβάνει επιδόματα.
- Ιατρική ασφάλιση.
- Οδοντιατρική ασφάλιση.
- Ασφάλιση όρασης.
- Πρόγραμμα 401(k).
- Ασφάλιση μακροχρόνιας αναπηρίας.