Swish Analytics
Swish Analytics
Swish Analytics برای صنعت شرط‌بندی ورزشی، نرم‌افزارهای یادگیری ماشین و داده‌های پیش‌بینی تولید می‌کند. پلتفرم B2B این شرکت به کتاب‌های ورزشی و پلتفرم‌های فانتزی کمک می‌کند برای بازارهای مربوط به عملکرد بازیکنان، تیم‌ها و مسابقات، پیش‌بینی‌های پیش از بازی، رویدادهای زنده، پارلی، سازنده‌های شرط و بازارهای خرد، ضریب‌های لحظه‌ای ایجاد کنند. این شرکت همچنین از مدیریت خودکار چرخه عمر شرط پشتیبانی می‌کند و با ترکیب مدل‌های قیمت‌گذاری و زیرساخت مقیاس‌پذیر ضریب‌ها، فرایند ایجاد و مدیریت محصولات شرط‌بندی را ساده‌تر می‌سازد.

مهندس تحلیل (پایتون، راست، اس‌کیو‌ال) — دورکار در کالیفرنیا

سامانه‌های رویداد بلادرنگ را بررسی کنید و برای محصولات داده‌ای شرط‌بندی ورزشی و فانتزی Swish Analytics معیارهای آماری بسازید. با استفاده از Python، Rust، SQL و داده‌های عملیاتی، رفتار سامانه را توضیح دهید و از تصمیم‌گیری مطمئن پشتیبانی کنید.

توضیحات

  • برای شناسایی علت‌های ریشه‌ای و پیشنهاد راه‌حل، رخدادها و درخواست‌ها را در داده‌های خام عملیاتی و سامانه‌ها دنبال کنید.
  • معیارهای آماری معتبر را که سلامت و عملکرد سامانه را در طول زمان پایش می‌کنند، ایجاد و نگهداری کنید.
  • گزارش‌های روشن و توصیفی برای ذی‌نفعان تهیه کنید.
  • چارچوب‌ها و ابزارهای مشترک را بهبود دهید تا بررسی و اندازه‌گیری سازگارتر و تکرارپذیرتر شود.
  • روی مسائل مبهم با دامنه اولیه ناقص، مستقلانه کار کنید.
  • هنگامی که مسائل از مرزهای سازمانی عبور می‌کنند، با تیم‌های علم داده، مهندسی و معامله‌گری همکاری کنید.
  • برای بازسازی و توضیح رفتار سامانه هنگام رویدادهای زنده، داده‌های بلادرنگ و رویدادمحور را تحلیل کنید.

شرایط لازم

  • مدرک کارشناسی در علوم کامپیوتر، آمار، علم داده یا رشته‌ای مرتبط.
  • حداقل چهار سال تجربه حرفه‌ای مهندسی نرم‌افزار، شامل کار با سامانه‌های عملیاتی.
  • حداقل دو سال تجربه Python در استخراج، آماده‌سازی و تحلیل داده.
  • حداقل یک سال تجربه Rust در محیط عملیاتی.
  • تجربه ساخت و نگهداری نرم‌افزار عملیاتی که داده‌های دنیای واقعی را پردازش می‌کند؛ نمونه‌های اولیه، اسکریپت‌های یک‌باره یا تحلیل‌های نوت‌بوکی به‌تنهایی کافی نیستند.
  • مهارت پیشرفته SQL و تجربه عملی کار با داده‌های خام یا منبع، مانند گزارش‌ها، جریان‌های رویداد و جدول‌های عملیاتی.
  • تجربه حل مسائل باز با راهنمایی اولیه محدود.
  • توانایی قوی در استدلال آماری و کمّی.
  • تجربه کار با سامانه‌های رویدادمحور یا داده‌های بلادرنگ ترجیح داده می‌شود.
  • تجربه در مهندسی تحلیل، آمار کاربردی یا نقشی ترکیبی در داده و نرم‌افزار ترجیح داده می‌شود.
  • آشنایی با مفاهیم ورزش، شرط‌بندی ورزشی یا معامله‌گری مفید است، اما الزامی نیست.