
Neara نرمافزار مدلسازی پیشبینانه برای مدیریت شبکههای خدمات عمومی توسعه میدهد تا تیمها بتوانند زیرساختها را بهصورت پیشگیرانه مدیریت کنند و درباره ریسک، نگهداری و طراحی تصمیمهای بهتری بگیرند. پلتفرم این شرکت شرایط دنیای واقعی، از جمله آبوهوای شدید، را شبیهسازی میکند. شرکتهای خدمات عمومی با استفاده از آن میتوانند وضعیت داراییها را ارزیابی کنند، برای مدیریت پوشش گیاهی برنامهریزی کنند، آسیبپذیریها را شناسایی کنند و از یکپارچهسازی انرژیهای تجدیدپذیر پشتیبانی کنند. فعالیت این شرکت بر بهبود قابلیت اطمینان، تابآوری و کارایی عملیاتی شبکههای حیاتی متمرکز است.
دانشمند دادههای زمینمکانی
برای پلتفرم دوقلوی دیجیتال شبکههای برق Neara، مدلهای ریسک مبتنی بر LiDAR و دادههای آبوهوا بسازید. به شرکتهای خدمات برق کمک کنید از آتشسوزی جنگلی پیشگیری و زیرساختها را تقویت کنند.
توضیحات
- در نقشی ترکیبی با تیمهای زمینمکانی و GIS مشتریان همکاری کنید.
- برای آشنایی با جریانهای کاری داده، یکپارچهسازی سامانهها و رسیدگی به چالشهای مکانی، به دفترهای مشتریان بروید.
- با استفاده از LiDAR، مدلهای زمین و دادههای آبوهوا، در Neara مدلهای پیشبینی ریسک بسازید.
- برای کمک به جلوگیری از بروز آتشسوزی جنگلی، افتادگی و نوسان سیمهای برق و همچنین خطر سقوط پوشش گیاهی روی آنها را مدلسازی کنید.
- معیارهای ریسک مکانی و سازهای را به بینشهایی تبدیل کنید که تصمیمهای سرمایهگذاری شرکتهای خدمات برق را هدایت کنند.
- خطوط لوله داده مکانی را برای دریافت، پاکسازی، برداریسازی و ترکیب قالبهای متنوع زمینمکانی بسازید و نگهداری کنید.
- معیارهای تضمین کیفیت را برای دقت مکانی، تبدیل سامانههای مرجع مختصات و همترازی سازهها تعیین کنید.
- در آموزش مدل، تحلیل داده و توسعه محصول مبتنی بر داده، همکاران را راهنمایی کنید.
شرایط لازم
- حداقل پنج سال تجربه عملی در علم داده یا یادگیری ماشین.
- تجربه در دادههای زمینمکانی یا حوزه شبکه برق مزیت محسوب میشود.
- درک کمی قوی از داده.
- مهارتهای ارتباطی عالی.
- توانایی اثباتشده در ارائه یافتههای پیچیده به مشتریان و مدیران ارشد.
- تجربه در شرکتهای فناوریِ پرشتاب و دارای رشد بالا مزیت محسوب میشود.
- خودانگیخته و عملگرا.
- توانایی پذیرش مسئولیت کامل پروژههای پیچیده و سازگاری سریع با تغییر اولویتها.
- رویکردی مشارکتی در همکاری با تیمهای فنی و ذینفعان بیرونی مشتری.
- سابقه تبدیل مجموعهدادههای نامنظم دنیای واقعی به نتایجی روشن و متمرکز بر کسبوکار.
- توانایی کار در محیط ترکیبی و مراجعه به دفترهای مشتریان.
مزایا
- سهم قابلتوجهی از سهام.
- کار با یکی از مجموعههای پیشروی دادههای مکانی چندوجهی.
- حل چالشهای واقعی مهندسی در مقیاسی بسیار بزرگ.
- استفاده از مدلسازی مکانی برای کاهش خطر آتشسوزی جنگلی و تقویت زیرساختهای حیاتی.
- مشارکت در شکلدهی معماری مکانی خط محصولات اصلی.
- همکاری با مهندسان برجسته یادگیری ماشین و نرمافزار.