LogoFresh Jobs Ahead
Wonder
Wonder
201 – 500 Dipendenti
Sponsor per visto H1BAlimenti e bevandeAssistenza sanitariaCommercio elettronico
Wonder è un’azienda di alimenti e bevande che sta sviluppando un’esperienza flessibile di food hall basata su consegna, ritiro e consumazione sul posto. Collabora con chef e ristoranti premiati, tra cui talenti culinari insigniti di stelle Michelin e altri esperti di gastronomia riconosciuti, per offrire un’ampia scelta di piatti di qualità da ristorante. I clienti possono combinare pasti di diversi ristoranti partner in un unico ordine, portando una varietà di opzioni gastronomiche nelle case di tutta l’area Tri-State. Il modello di Wonder riunisce cucina selezionata, partnership con ristoranti e la comodità dell’e-commerce in un unico servizio.
LinkedIn
Offerte dell’azienda

Data Scientist Senior Staff, ML e sperimentazione del marketplace

Guida il machine learning, l’inferenza causale e la sperimentazione del marketplace in Wonder, definendo sistemi di produzione che migliorano l’esperienza dei clienti, l’evasione degli ordini, i prezzi e le decisioni aziendali.

USStati UnitiILIllinoisNYNew York
216.000 $ – 249.500 $ / anno
IbridoTempo pienoSeniorLingua Richiesta: ingleseData scientist
PythonSQL

Descrizione

  • Definire i principi e le pratiche che guidano l’uso dei dati, della sperimentazione e del machine learning in Wonder.
  • Formare e affiancare un team in crescita di data scientist.
  • Sostenere la crescita professionale e l’eccellenza tecnica all’interno del gruppo.
  • Esaminare il funzionamento dei sistemi interconnessi del marketplace e dei relativi cicli di feedback.
  • Creare framework di inferenza causale e sperimentazione per misurare l’impatto aziendale.
  • Collaborare con l’ingegneria all’architettura di livelli di dati condivisi, pipeline di feature, API di modellazione, infrastruttura di sperimentazione e servizi di machine learning in produzione.
  • Progettare e condurre esperimenti per cambiamenti volti a migliorare le metriche aziendali.
  • Promuovere una data science orientata al business che combini inferenza causale, sperimentazione, modellazione consapevole dei rischi e machine learning scalabile in produzione.
  • Individuare opportunità ad alto impatto nell’efficienza del marketplace, nell’esperienza dei clienti, nella precisione dell’orario stimato di arrivo (ETA), nell’affidabilità dell’evasione degli ordini, nei prezzi, nella pianificazione dell’offerta, nelle previsioni della domanda e nelle prestazioni operative.
  • Realizzare prototipi e testare modelli e insight, definirne l’architettura e portarli in produzione per migliorare le metriche aziendali.

Requisiti

  • Almeno 8 anni di esperienza nel settore con una laurea magistrale, oppure 6 o più anni con un dottorato, in statistica, economia, matematica applicata, informatica, data science, machine learning o un campo quantitativo correlato.
  • Successi dimostrabili nell’applicazione della data science e del machine learning a sfide aziendali complesse.
  • Conoscenza avanzata dell’inferenza causale, della sperimentazione e della modellazione statistica.
  • Solido giudizio sui compromessi tra esigenze aziendali e di prodotto.
  • Padronanza di Python, analisi dei dati, visualizzazione e programmazione orientata agli oggetti per realizzare codice scalabile e pronto per la produzione.
  • Esperienza comprovata nella messa in produzione di sistemi di data science, machine learning o inferenza causale.
  • Padronanza di SQL o strumenti comparabili per interrogare direttamente dataset su scala di produzione.
  • Esperienza nel mentoring e nella definizione dell’indirizzo tecnico per scienziati, analisti o ingegneri.
  • Esperienza nella guida della progettazione end-to-end di framework di data science, machine learning, misurazione o sperimentazione.
  • Esperienza nella progettazione di metodi di misurazione causale per sistemi complessi.
  • Background in inferenza causale, econometria, modellazione bayesiana, progettazione sperimentale o misurazione osservazionale.
  • Esperienza con metodi di sperimentazione applicata, come test A/B, analisi della potenza statistica, effetti di trattamento eterogenei, metriche di salvaguardia, effetti di interferenza e misurazione dell’impatto a lungo termine.
  • Esperienza nella creazione o definizione di sistemi di machine learning per la produzione.
  • Capacità di allineare i team di prodotto, ingegneria, operazioni, business e data science attorno a una strategia condivisa.
  • Esperienza nella definizione di strategie e roadmap tecniche per piattaforme di data science, machine learning, sperimentazione o inferenza causale.

Benefit

  • Partecipazione azionaria
  • Piano pensionistico 401(k)
  • Possibilità di scegliere tra piani medici, dentistici e oculistici
  • Copertura per invalidità a breve e lungo termine a carico dell’azienda
  • Ferie retribuite, con orario flessibile per i dipendenti esenti
  • Ferie retribuite per i dipendenti non esenti
  • Congedo per malattia retribuito secondo la normativa applicabile
  • Congedo parentale retribuito
  • Pasti scontati
  • Vantaggi esclusivi presso i marchi della famiglia Wonder

Offerte correlate

Ritchie Bros.

Responsabile della scienza dei dati

Ritchie Bros.
1001 – 5000 Dipendenti
Sponsor per visto H1BConsulenzaEdiliziaLogistica
USStati UnitiILIllinois
133.690 $ – 167.120 $ / anno
IbridoTempo pienoSeniorLingua Richiesta: ingleseData scientist

Guida un team di data science che sviluppa soluzioni scalabili di apprendimento automatico e analisi avanzate per l’azienda. Gestisce e affianca i data scientist, supervisiona lo sviluppo dei modelli e collabora con i team IT e di prodotto, i dirigenti e altre parti interessate.

Apri
Capital One

Responsabile di data science – strategia dei dati alternativi

Capital One
Sponsor per visto H1BFinanzaFintechServizi bancari
USStati UnitiILIllinoisNYNew YorkVAVirginia
179.400 $ – 245.600 $ / anno
IbridoTempo pienoIntermedioSeniorLingua Richiesta: ingleseData scientist
AWSCloudOpen sourcePythonSpark

Guida le attività di data science in Capital One per valutare dati alternativi nelle decisioni di credito sulle carte negli Stati Uniti. Sviluppa modelli di machine learning, variabili dei dati e sistemi di monitoraggio scalabili.

Apri