Lojas Renner S.A.
Lojas Renner S.A.
Lojas Renner S.A. یک گروه خرده‌فروشی و مد برزیلی مستقر در پورتو آلگری است که در زمینه فروشگاه‌های بزرگ، پوشاک، کالاهای خانه و فروش مجدد فعالیت می‌کند. برندهای مصرف‌کننده این گروه شامل Renner، Youcom، Ashua، Camicado و Repassa هستند و از طریق فروشگاه‌های فیزیکی و کانال‌های دیجیتال به مشتریان خدمات ارائه می‌دهند. فعالیت‌های این گروه تجارت الکترونیکی، عملیات بازارگاه، تحول دیجیتال، فناوری و داده و همچنین طرح‌های پایداری و مد چرخشی را دربرمی‌گیرد. Lojas Renner S.A. از برنامه‌های نوآوری و سرمایه‌گذاری خطرپذیر نیز حمایت می‌کند؛ برنامه‌هایی که به توسعه قابلیت‌های جدید خرده‌فروشی و تجربه‌های مشتری کمک می‌کنند.

دانشمند داده، پیش‌بینی و یادگیری ماشین در لوجاس رنر

مدل‌های پیش‌بینی و خط لوله‌های یادگیری ماشین بسازید تا از تصمیم‌های راهبردی گروه خرده‌فروشی مد برزیلی لوجاس رنر پشتیبانی کنید.

توضیحات

  • مدل‌های پیش‌بینی را برای افق‌های زمانی و سطوح جزئیات گوناگون توسعه دهید و بهبود ببخشید.
  • خط لوله‌های آماده‌سازی داده، آموزش مدل، ارزیابی و استنتاج را ایجاد و بهبود دهید.
  • روندها، الگوهای فصلی، رویدادها و عوامل بیرونی مؤثر بر داده‌ها و دقت پیش‌بینی را بررسی کنید.
  • مدل‌ها را از طریق تحلیل و آزمایش مقایسه کنید و در کنار معیارهای فنی، اثر کسب‌وکاری را نیز بسنجید.
  • مدل‌های در حال اجرا در محیط عملیاتی را پایش کنید و تغییر عملکرد، سوگیری و زمینه‌های بهبود را شناسایی کنید.
  • ناسازگاری‌های داده را بررسی کنید و برای بهبود کیفیت داده، مهندسی ویژگی و جریان‌های کاری مدل‌سازی پیشنهاد دهید.
  • برای استقرار، یکپارچه‌سازی و مقیاس‌پذیر کردن راهکارها با تیم‌های مهندسی و فناوری همکاری کنید.
  • چالش‌های کسب‌وکار را به پرسش‌های تحلیلی تبدیل کنید و یافته‌ها و پیشنهادها را روشن بیان کنید.
  • آزمایش‌ها، تصمیم‌های فنی و معیارهای ارزیابی را برای بهبود مستمر راهکارها ثبت کنید.

شرایط لازم

  • مدرک کارشناسی در علوم کامپیوتر، علم داده، آمار، ریاضیات، اقتصاد، مهندسی یا رشته‌ای مرتبط.
  • سابقه عملی در علم داده، یادگیری ماشین یا مدل‌سازی آماری.
  • تسلط به Python و SQL برای تحلیل، دست‌کاری و مدل‌سازی داده.
  • تجربه ساخت مدل‌های سری زمانی، رگرسیون و پیش‌بینی.
  • آشنایی با تکنیک‌های آماری و الگوریتم‌های یادگیری ماشین مورد استفاده در پیش‌بینی.
  • تجربه آماده‌سازی داده، مهندسی ویژگی و اعتبارسنجی مدل‌ها در طول زمان.
  • آشنایی با معیارهای پیش‌بینی مانند MAE، RMSE، WAPE، MAPE و سوگیری.
  • تجربه کار با کنترل نسخه و ابزارهای رهگیری آزمایش‌ها و مدل‌ها.
  • توانایی ساخت راهکارهای منظم و آزمون‌پذیر که برای محیط عملیاتی مناسب باشند.
  • توانایی درک نیازهای کسب‌وکار و تبدیل آن‌ها به راهکارهای مبتنی بر داده.
  • تجربه پیش‌بینی سلسله‌مراتبی، تطبیق پیش‌بینی و کار با سطوح مختلف جزئیات مزیت محسوب می‌شود.
  • آشنایی با ARIMA، ETS، Prophet، روش‌های مبتنی بر درخت و شبکه‌های عصبی برای سری‌های زمانی مزیت محسوب می‌شود.
  • تجربه استفاده از متغیرهای بیرونی، رویدادهای تقویمی و پیش‌بینی احتمالاتی مزیت محسوب می‌شود.
  • آشنایی با Databricks، Apache Spark و پلتفرم‌های ابری مزیت محسوب می‌شود.
  • آشنایی با MLflow، Docker، CI/CD و روش‌های MLOps مزیت محسوب می‌شود.
  • تجربه بهینه‌سازی، شبیه‌سازی یا برنامه‌ریزی تقاضا مزیت محسوب می‌شود.
  • تجربه پایش خودکار، شناسایی افت عملکرد مدل و آموزش مجدد مزیت محسوب می‌شود.

فرصت‌های شغلی مرتبط

NIO

مشاور تحلیل محصول – سائو پائولو، ترکیبی

NIO

NIO برای کمک به تصمیم‌گیری مبتنی بر داده در یک ارائه‌دهنده اینترنت فیبر در برزیل، مشاور تحلیل محصول جذب می‌کند. این نقش شامل سنجش عملکرد محصول، رفتار مشتریان و تأثیر آزمایش‌هاست.

باز کردن
Inmetrics

دانشمند ارشد داده

Inmetrics
۵۰۱ – ۱٬۰۰۰ کارکنان
بازاریابیلجستیکمشاوره

برای پروژه‌های راهبردی Inmetrics مدل‌های یادگیری ماشین و راهکارهای هوش مصنوعی بسازید و داده را به تصمیم‌های کسب‌وکار تبدیل کنید. هدایت فنی تیم‌های چندتخصصی را بر عهده بگیرید.

باز کردن
C

دانشمند ارشد داده

Cruzeiro do Sul Educacional S/A
۵٬۰۰۱ – ۱۰٬۰۰۰ کارکنان
B2Cآموزش

برای Cruzeiro do Sul Educacional مدل‌های آماری، پیش‌بینی و پیشنهاددهنده بسازید. از تصمیم‌های آموزشی، شخصی‌سازی و کارایی عملیاتی پشتیبانی کنید.

باز کردن
Eletromidia

دانشمند داده میان‌رده

Eletromidia
۵۰۱ – ۱٬۰۰۰ کارکنان
بازاریابیرسانهلجستیک

مخاطبان، میزان دسترسی و شاخص‌های کلیدی عملکرد کمپین‌های رسانه محیطی را تحلیل کنید. در بزرگ‌ترین شرکت رسانه محیطی برزیل، مدل‌ها، داشبوردها و بینش‌هایی برای تصمیم‌های تجاری بسازید.

باز کردن