A DXS - Direct Expansion Solutions változó hűtőközeg-térfogatú és -áramú (VRV/VRF) levegő-víz hőszivattyús megoldásokat kínál az Egyesült Államokban és Kanadában található épületek számára. Tevékenysége kiterjed a rendszertervezésre, a berendezések szállítására, az üzembe helyezésre, a szervizelésre, az inverteres hőszivattyúkra, a szellőztetésre és a beltéri levegőminőség szabályozására. A DXS az egészségügyi, lakóépületi, kormányzati, katonai, logisztikai és gyártási alkalmazásokban mérnököket, építészeket, épülettulajdonosokat és kivitelezőket támogat, segítve ügyfeleit a stratégiai villamosítás megvalósításában, az energiafelhasználás és a kibocsátások csökkentésében, valamint az épületek hatékonyabb üzemeltetésében.
Senior gépi tanulási mérnök — Távoli munkavégzés, Egyesült Államok
Vezesse a termelési gépi tanulást a DataXstream vállalati rendeléskezelési platformján. Fejlesszen ajánlási, előrejelzési, hajlandósági és dokumentumintelligencia-modelleket az ügyfelek felhasználási eseteihez.
Leírás
- Előrejelzési, rangsorolási és ajánlási modellek fejlesztése, tanítása és értékelése rendeléskezelési felhasználási esetekhez
- A teljes modellezési életciklus támogatása a probléma meghatározásától és az adatok előkészítésétől a jellemzőmérnökségen, értékelésen és újratanításon át
- Együttműködés a termékmenedzsmenttel az ütemterv prioritásainak egyértelműen körülhatárolt gépi tanulási problémákká alakításában
- Ügyféladatok elemzése, modellek optimalizálása és validálása, valamint együttműködés az implementációs és megoldásmérnöki csapatokkal
- Reprodukálható Python-alapú tanítási munkafolyamatok létrehozása szisztematikus kísérletkövetéssel
- Nagy vállalati SAP-adathalmazok előkészítése, tisztítása és validálása
- A betanított modellek és adatfeldolgozási folyamatok csomagolása éles telepítéshez
- A modell driftjének, a teljesítményromlásnak és az adatminőségi problémáknak a monitorozásának kialakítása
- Éles üzemeltetési incidensek diagnosztizálása a modell viselkedésének a valós működési feltételekkel való összekapcsolásával
- A modell-előrejelzések összekapcsolása a termékplatformmal dokumentált szolgáltatási interfészeken keresztül
- Felelős MI-módszerek alkalmazása, beleértve a torzításvizsgálatot, a magyarázhatóságot és a körültekintő adatirányítást
- A modelltervek rögzítése, valamint a viselkedés, a korlátok és az átváltások kommunikálása műszaki, szállítási, értékesítési és ügyfélközönség számára
- A kollégák modellezési munkájának felülvizsgálata, valamint a szigorúság és a reprodukálhatóság magasabb szintű szabványainak előmozdítása
Követelmények
- Bizonyított alkalmazott gépi tanulási és adattudományi szakértelem, beleértve az éles környezetben telepített és valós mérőszámokkal értékelt modelleket
- Haladó Python-ismeret, valamint gyakorlati jártasság a PyTorch vagy TensorFlow, scikit-learn, pandas és NumPy használatában
- Erős statisztikai alapok, beleértve a kísérlettervezést és a megfelelő értékelési mérőszámok kiválasztását
- SQL-ismeret és nagy relációs adathalmazok kezelésében szerzett tapasztalat
- Ütemezett adat- és jellemzőfeldolgozási folyamatok fejlesztésében szerzett tapasztalat tökéletlen forrásrendszerekben
- Modellek csomagolásában, dokumentálásában és a modellkövetelmények egy műveleti vagy platformcsapat számára történő meghatározásában szerzett tapasztalat
- Ügyfelekkel és szállítási érdekelt felekkel való közvetlen munkavégzés képessége
- A modellek termékplatformmal való integrálásához elegendő TypeScript- vagy JavaScript-ismeret
- Erős írásbeli és szóbeli kommunikációs készség
- Számítástechnikai, statisztikai, matematikai, mérnöki vagy kapcsolódó műszaki területen szerzett alapfokú diploma, illetve ezzel egyenértékű gyakorlati tapasztalat
- Angol nyelvű önéletrajz feltöltése kötelező
Juttatások
- Teljes munkaidős vállalkozói megbízás
- A munkáltató elkötelezett az esélyegyenlőség és a pozitív diszkrimináció mellett
- Egyenlő foglalkoztatási elbírálás faji, bőrszínbeli, származási, vallási, nemi, nemzeti eredetre, szexuális irányultságra, életkorra, állampolgárságra, családi állapotra, fogyatékosságra, nemi identitásra vagy veterán státuszra tekintet nélkül