Walmart
Walmart
Walmart یک شرکت جهانی خرده‌فروشی و تجارت الکترونیکی است که از طریق هایپرمارکت‌ها، فروشگاه‌های زنجیره‌ای تخفیفی، مراکز عرضه مواد غذایی و بازار آنلاین به مصرف‌کنندگان خدمات ارائه می‌دهد. مجموعه گسترده محصولات این شرکت با تکیه بر شبکه بزرگی از فروشگاه‌های فیزیکی، فعالیت‌های فروش مستقیم به مصرف‌کننده و سامانه‌های لجستیک و زنجیره تأمین لازم برای جابه‌جایی محصولات در سراسر کسب‌وکار پشتیبانی می‌شود.

دانشمند داده ممتاز، والمارت

راهبرد و سامانه‌های یادگیری ماشین سازمانی والمارت را شکل دهید و جهت‌گیری فنی، معماری و استانداردها را در سراسر گلوبال تک تعیین کنید. هدایت تحلیل‌های پیشرفته را بر عهده بگیرید و ابتکارهای علم داده در مقیاس بزرگ را در خطوط محصول راهبری کنید.

توضیحات

  • راهبرد علم داده و یادگیری ماشین کاربردی و نقشه‌های راه چندساله را در خطوط مختلف محصول تعیین کنید.
  • سامانه‌های یادگیری ماشین و آماری در مقیاس بزرگ برای پیش‌بینی، استنباط علّی، تشخیص ناهنجاری، بهینه‌سازی، شخصی‌سازی و کاربردهای هوش مصنوعی مولد طراحی و راهبری کنید.
  • به‌عنوان مسئول ارشد ارجاع فنی برای چالش‌های پیچیده علم داده در چندین سازمان فعالیت کنید.
  • در زمینه نقشه‌های راه فنی و تصمیم‌های مربوط به پلتفرم‌ها، معماری و ساخت یا خرید راهکارها با معاونان، مدیران ارشد و رهبران محصول همکاری کنید.
  • دانشمندان داده و مهندسان در سطح پرینسیپل و استاف را راهنمایی کنید و بازبینی‌های دقیق طراحی و کد را رهبری کنید.
  • پذیرش روش‌های MLOps، آزمایش‌گری و هوش مصنوعی مسئولانه را ترویج دهید.
  • موانع فنی را برطرف کنید و خطرها، بده‌بستان‌ها و برنامه‌های کاهش اثر آن‌ها را به مدیران ارشد منتقل کنید.
  • فعالیت‌های علم داده والمارت را از طریق انتشارات، پتنت‌ها، ارائه در کنفرانس‌ها و جوامع فنی معرفی کنید.
  • برای ایجاد بنیان‌های داده مقیاس‌پذیر با تیم‌های مهندسی داده، پلتفرم و زیرساخت هماهنگ شوید.
  • نمونه‌های اولیه بسازید، کد و مدل آماده تولید بنویسید و بازبینی کنید و درباره مسائل دشوار تصمیم‌های فنی نهایی بگیرید.

شرایط لازم

  • حداقل ۱۲ سال تجربه حرفه‌ای در علم داده، یادگیری ماشین کاربردی یا آمار داشته باشید و اثرگذاری اثبات‌شده در تولید در مقیاس سازمانی ارائه کرده باشید.
  • مدرک کارشناسی ارشد یا دکتری در علوم رایانه، آمار، ریاضیات، پژوهش عملیاتی یا رشته کمی مرتبط، یا تجربه عملی معادل داشته باشید.
  • در مدل‌سازی آماری، یادگیری ماشین و/یا استنباط علّی تخصص عمیق و عملی داشته باشید.
  • تجربه طراحی و بهره‌برداری از سامانه‌های توزیع‌شده داده و یادگیری ماشین در مقیاس بزرگ، از جمله Spark، آموزش توزیع‌شده، مخازن ویژگی و خطوط پردازش جریانی داشته باشید.
  • توانایی ارائه کد Python، Scala و SQL با کیفیت تولید، همراه با آزمون، CI/CD و یک پلتفرم ابری مانند GCP، Azure یا AWS را داشته باشید.
  • بتوانید بدون اختیار مستقیم، بر ذی‌نفعان در سطح VP یا SVP و سازمان‌های مهندسی اثر بگذارید و آن‌ها را همسو کنید.
  • تجربه راهنمایی مهندسان و دانشمندان داده در سطح استاف یا پرینسیپل داشته باشید.
  • تجربه کار با داده‌های خرده‌فروشی، زنجیره تأمین یا تجارت اومنی‌چنل داشته باشید.
  • تجربه به‌کارگیری LLMها یا هوش مصنوعی مولد در محصولات داده سازمانی، از جمله تولید تقویت‌شده با بازیابی، عامل‌ها، چارچوب‌های ارزیابی و محافظ‌های ایمنی داشته باشید.
  • پژوهش منتشرشده، پتنت‌های اعطاشده یا سابقه رهبری بیرونیِ شناخته‌شده در یادگیری ماشین یا هوش مصنوعی داشته باشید.
  • تجربه کار در بازارهای بین‌المللی با سطوح متفاوت بلوغ داده و محدودیت‌های مقرراتی داشته باشید.
  • پیش‌تر در یک شرکت فناوری بزرگ دیگر به‌عنوان بنیان‌گذار فنی، معمار ارشد یا مهندس ممتاز یا در سطح فلو فعالیت کرده باشید.
  • یکی از این حداقل شرایط را داشته باشید: مدرک کارشناسی و شش سال تجربه تحلیل‌گری؛ مدرک کارشناسی ارشد و چهار سال تجربه تحلیل‌گری؛ یا هشت سال تجربه در تحلیل‌گری یا حوزه‌ای مرتبط.

مزایا

  • پاداش‌های تشویقی مبتنی بر عملکرد.
  • مرخصی زایمان و مرخصی والدین.
  • مرخصی با حقوق.
  • مزایای سلامت.
  • بسته جبران خدمات.

فرصت‌های شغلی مرتبط

Mott MacDonald

دانشمند داده، هوش مصنوعی مولد و پردازش زبان طبیعی

Mott MacDonald

گردش‌کارهای هوش مصنوعی مولد، پردازش زبان طبیعی و عامل‌محور را برای پروژه‌های مشاوره مهندسی موت مک‌دونالد طراحی و اجرا کنید. راهکارهای سازمانی هوش مصنوعی و یادگیری ماشین مبتنی بر Azure را برای زیرساخت پایدار ارائه دهید.

باز کردن
Baker Hughes

متخصص علم داده و هوش مصنوعی در بهره‌وری

Baker Hughes

در بیکر هیوز برای عملیات زنجیره تأمین صنعتی، راهکارهای هوش مصنوعی، یادگیری ماشین و پاور بی‌آی توسعه دهید. با تحلیل‌های کاربردی، هدررفت هزینه، ریسک‌های تحویل و فرصت‌های افزایش بهره‌وری را شناسایی کنید.

باز کردن