Leidos
Leidos
Leidos to integrator systemów działający w obszarach nauki, technologii i inżynierii, wspierający realizację złożonych misji klientów. Firma prowadzi działalność w sektorach lotnictwa, obronności, energetyki, administracji publicznej, ochrony zdrowia, wywiadu, nauki i przestrzeni kosmicznej, oferując między innymi rozwiązania z zakresu sztucznej inteligencji, modernizacji cyfrowej, operacji cybernetycznych oraz zintegrowanego oprogramowania do realizacji misji. Leidos opracowuje również rozwiązania takie jak systemy przeciwdziałania bezzałogowym statkom powietrznym oraz infrastruktura ładowania pojazdów elektrycznych na potrzeby wojska. Szersza działalność firmy obejmuje także dbałość o różnorodność, równość i inkluzywność, zrównoważony rozwój, inicjatywy charytatywne oraz programy społeczne.

Zdalny analityk danych ds. sztucznej inteligencji stosowanej i zarządzania efektywnością

Dołącz do Leidos jako zdalny analityk danych stosowanych, wykorzystując Python, uczenie maszynowe i sztuczną inteligencję do poprawy zarządzania efektywnością w krytycznym programie Marynarki Wojennej USA. Będziesz identyfikować możliwości POAM i tworzyć wielokrotnego użytku rozwiązania analityczne.

Opis

  • Analizować złożone dane operacyjne za pomocą analizy danych i sztucznej inteligencji, aby wykrywać spadki efektywności, problemy systemowe i możliwości poprawy.
  • Tworzyć analizy i modele oparte przede wszystkim na kodzie, umożliwiające automatyczną lub półautomatyczną identyfikację możliwości poprawy efektywności.
  • Stosować sztuczną inteligencję i zaawansowaną analitykę do oceny, ustalania priorytetów i zwiększania skuteczności POAM względem celów kontraktowych.
  • Współpracować z analitykami efektywności, inżynierami i interesariuszami, przekształcając wyzwania operacyjne w rozwiązania oparte na danych.
  • Dobierać i stosować odpowiednie metody sztucznej inteligencji, zachowując właściwy poziom wyjaśnialności i możliwości uzasadnienia wyników.
  • Tworzyć wielokrotnego użytku metody analityczne, kod i praktyki rozwijające kompetencje zespołu w zakresie analizy danych i sztucznej inteligencji.
  • Jasno i wiarygodnie przedstawiać wyniki analiz odbiorcom technicznym, interesariuszom biznesowym i kadrze kierowniczej.
  • Wspierać szersze działania Marynarki Wojennej USA związane z efektywnością, w tym WAM, rozszerzając odpowiednie metody poza zastosowania skoncentrowane na SLR.

Wymagania

  • Wykształcenie wyższe na poziomie licencjackim i 4–8 lat odpowiedniego doświadczenia albo tytuł magistra i 2–6 lat odpowiedniego doświadczenia.
  • Dodatkowe doświadczenie zawodowe może zastąpić wymóg dotyczący wykształcenia.
  • Obywatelstwo USA oraz możliwość uzyskania i utrzymania aktywnego poświadczenia bezpieczeństwa Departamentu Obrony USA na poziomie Secret.
  • Doświadczenie w stosowaniu analizy danych, uczenia maszynowego lub sztucznej inteligencji do praktycznych problemów operacyjnych lub związanych z efektywnością.
  • Umiejętność właściwego definiowania problemów, w tym interpretowania niejednoznaczności, identyfikowania przydatnych danych i doboru odpowiednich metod analitycznych.
  • Biegłość w języku Python lub porównywalnym języku do analizy danych i modelowania.
  • Doświadczenie w analizie dużych, nieuporządkowanych lub zróżnicowanych zbiorów danych.
  • Umiejętność jasnego komunikowania złożonych wyników analiz i popierania ich możliwymi do obrony argumentami.
  • Gotowość do współpracy w interdyscyplinarnym zespole.
  • Doświadczenie w wykorzystywaniu stosowanego uczenia maszynowego, modelowania statystycznego lub sztucznej inteligencji do wykrywania wzorców, ustalania priorytetów lub prognozowania.
  • Znajomość wskaźników operacyjnych, umów o poziomie świadczenia usług lub środowisk opartych na kontraktach.
  • Umiejętność łączenia zaawansowanych technik analitycznych z wyjaśnialnością i zaufaniem interesariuszy.
  • Znajomość wdrażania sztucznej inteligencji, podejść zorientowanych na platformy lub wielokrotnego użytku struktur analitycznych.
  • Doświadczenie w pracy w dużych organizacjach lub środowiskach korporacyjnych.