PwC je globalna mreža društava za profesionalne usluge koja poduzećima, vladama i institucijama pruža podršku kroz reviziju i usluge izražavanja uvjerenja, porezno savjetovanje, konzalting, podršku pri transakcijama, forenzičke usluge i savjetovanje. Njezini timovi pomažu organizacijama u suočavanju s digitalnom transformacijom, umjetnom inteligencijom, održivošću, upravljanjem rizicima i usklađenošću s regulatornim zahtjevima kroz industrijski usmjerena rješenja i upravljane usluge u različitim sektorima diljem svijeta.
Menadžer podatkovne znanosti u PwC-u, rad iz ureda u Indiji
Vodit ćete rješenja strojnog učenja i analitike za indijski PwC-ov Acceleration Center. Nadzirat ćete angažmane klijenata, isporuku i timove podatkovne znanosti.
Opis
- Razvijati i isporučivati rješenja podatkovne znanosti.
- Usmjeravati provedbu strategije podatkovne znanosti usmjerene na klijente.
- Osigurati usklađenost rada s ciljevima i vizijom PwC-a.
- Nadzirati članove tima i mentorirati ih kako bi ostvarili kvalitetne rezultate.
- Primjenjivati metodologije i tehnologiju tvrtke radi jačanja usluge klijentima.
- Graditi odnose s klijentima i nadzirati složene angažmane.
- Održavati visoke standarde integriteta i profesionalnosti.
- Pronalažiti prilike za poboljšanje procesa i poticati inovacije.
- Upravljati planiranjem projekata, proračunima, isporukom i dovršetkom.
- Rješavati pitanja koja uključuju klijente, članove tima i dionike.
- Podučavati članove tima, koristiti njihove snage i nadzirati njihov učinak.
- Primjenjivati tehnologiju i inovacije radi poboljšanja isporuke.
Zahtjevi
- Preddiplomska i diplomska diploma iz računalnih znanosti, inženjerstva, ekonometrije, statistike, poslovne analitike ili informatike.
- Najmanje osam godina profesionalnog iskustva.
- Izvrsno usmeno i pisano znanje engleskog jezika.
- Iskustvo u izgradnji i implementaciji modela strojnog učenja u računalnim okruženjima u oblaku.
- Poznavanje algoritama nadziranog i nenadziranog strojnog učenja.
- Praktično znanje statistike.
- Iskustvo u provođenju analize podataka.
- Iskustvo u korištenju okvira i alata za strojno učenje.
- Napredno znanje programiranja u SQL-u i Pythonu ili PySparku.
- Poznavanje alata za vizualizaciju podataka.
- Praktično znanje kontejnerizacije.
- Iskustvo s tehnikama objašnjivosti i interpretabilnosti modela.
Pogodnosti
- Praktične mogućnosti učenja kroz rad.
- Pristup modernim i naprednim alatima.
- Inkluzivna kultura radnog mjesta.