
American Express یک شرکت جهانی ارائهدهنده خدمات مالی است که در حوزههای بانکداری، امور مالی و پرداختهای B2B فعالیت میکند. فعالیتهای این شرکت شامل کارتهای اعتباری مصرفکنندگان، کسبوکارها و شرکتها؛ خدمات پرداخت و پذیرندگان؛ حسابهای پسانداز، گواهی سپرده و وامهای شخصی؛ همچنین پاداشها، برنامههای سفر، راهکارهای پرداخت شرکتی، آموزش مالی، خدمات امنیتی و پشتیبانی از اعضای کارت و پذیرندگان است.
تحلیلگر علم داده، یادگیری ماشین و هوش مصنوعی مولد
برای خدمات مشتریان امریکن اکسپرس، راهکارهای یادگیری ماشین، هوش مصنوعی مولد و پیشنهاددهی بسازید. دادههای مشتریان و عملیات را تحلیل کنید تا شخصیسازی را تقویت و عملکرد تیمهای خدمات را بهبود دهید.
توضیحات
- برای بهبود خدمات مشتریان، شخصیسازی، اثربخشی همکاران و عملیات، راهکارهای تحلیلی، مدلهای پیشبینی و رویکردهای تصمیمگیری توسعه دهید.
- دادههای مشتریان، رفتارها، تعاملات و عملیات را برای یافتن الگوها و فرصتها تحلیل کنید.
- ویژگیها را ایجاد کنید، فرضیهها را بیازمایید و یافتهها را به بینشها و راهکارهای عملی تبدیل کنید.
- با مدلسازی، آزمایش و اعتبارسنجی، راهکارهای یادگیری ماشین و هوش مصنوعی مولد را بسازید و ارزیابی کنید.
- در جریانهای کاری هوش مصنوعی عاملمحور، پیشنهادهای مبتنی بر ترنسفورمر، هوش مصنوعی مکالمهای و کاربردهای مدلهای زبانی بزرگ، و نیز راهکارهای شخصیسازی یا اقدام بعدیِ مناسب مشارکت کنید.
- در طراحی و تحلیل آزمایشها کمک کنید و کیفیت مدل، اثر کسبوکاری و زمینههای بهبود را بسنجید.
- کد تحلیلی قدرتمند بنویسید و برای پیادهسازی، استقرار، پایش و بهبود راهکارهای علم تصمیمگیری با تیمهای داده، فناوری و پلتفرم همکاری کنید.
- با تیمهای مختلف همکاری کنید، یافتهها را روشن بیان کنید و نتایج فنی را به پیشنهادهای کاربردی تبدیل کنید.
- از پیشرفتهای یادگیری ماشین، هوش مصنوعی مولد، سامانههای پیشنهاددهی و هوشمندی تصمیمگیری آگاه بمانید.
- روشهای مرتبط را ارزیابی کنید و به ایجاد رویههای قابل استفاده مجدد در سراسر GSDS کمک کنید.
شرایط لازم
- مدرک کارشناسی ارشد در رشتهای کمّی مانند مهندسی، علوم کامپیوتر، ریاضی، آمار، اقتصاد یا مالی.
- تجربه تحصیلی، کارآموزی یا حرفهای مرتبط در علم داده، یادگیری ماشین، تحلیل پیشرفته یا حوزهای کمّی دیگر.
- تسلط به Python، SQL یا ابزارهای تحلیلی مشابه.
- تجربه مقدماتی در توسعه مدلهای یادگیری ماشین، مانند مدلهای مبتنی بر درخت، رگرسیون، طبقهبندی یا خوشهبندی.
- آشنایی از طریق درس، پروژه یا تجربهای دیگر با مدلهای زبانی بزرگ، هوش مصنوعی مولد یا یادگیری عمیق نوین.
- تفکر تحلیلی و مفهومی قوی، از جمله توانایی ساختاربندی مسائل، یادگیری سریع و مواجهه با ابهام.
- مهارت روشن در ارتباط نوشتاری و گفتاری و توانایی همکاری میان واحدهای مختلف.
- ترجیحی: آشنایی با چارچوبهای هوش مصنوعی عاملمحور، معماریهای ترنسفورمر، پیشنهادهای مبتنی بر ترنسفورمر، هوش مصنوعی مکالمهای، کاربردهای مدلهای زبانی بزرگ، تعبیهها یا مدلسازی معنایی.
- ترجیحی: آشنایی با شخصیسازی، سامانههای پیشنهاددهی، اقدام بعدیِ مناسب، بهینهسازی، آزمایش یا تصمیمگیری مشتری.
- ترجیحی: تجربه کاری یا پروژهای با دادههای ساختیافته یا بدون ساختار و راهکارهای تحلیلی یا یادگیری ماشین.
- ترجیحی: آشنایی با ارزیابی مدل یا هوش مصنوعی و مفاهیم پایه تولیدیسازی، پایش، MLOps یا LLMOps.
- ترجیحی: علاقه به خدمات مشتریان و توانایی پیوند دادن کار فنی با نتایج قابل سنجش برای مشتری و کسبوکار.
- تکمیل موفق بررسی پیشینه، با رعایت قوانین و مقررات مربوطه.
مزایا
- حقوق پایه رقابتی.
- مشوقهای پاداش.
- حمایت از رفاه مالی و بازنشستگی.
- پوشش جامع درمانی، دندانپزشکی، بینایی، بیمه عمر و ازکارافتادگی، بسته به محل.
- امکان کار انعطافپذیر ترکیبی، حضوری یا مجازی، متناسب با نقش و نیازهای کسبوکار.
- مرخصی باحقوق سخاوتمندانه برای والدین، بسته به محل.
- دسترسی رایگان به مراکز رفاهی جهانی در محل کار که پرستاران و پزشکان در آن حضور دارند، بسته به محل.
- مشاوره رایگان و محرمانه از طریق برنامه Healthy Minds.
- فرصتهای رشد شغلی و آموزش.