Sigma Software Group
Sigma Software Group
1,001 – 5,000 Wafanyakazi
Huduma za afyaMagariUshauri
Sigma Software Group ni kampuni ya kimataifa ya ushauri wa teknolojia iliyoanzishwa mwaka 2002. Timu zake hutoa huduma za uundaji wa programu, usanifu wa michoro, majaribio na usaidizi wa kiufundi kwa wateja katika sekta zikiwemo magari, afya, mawasiliano, usafiri wa anga, benki, michezo ya kompyuta, mali isiyohamishika na matangazo. Kampuni huajiri wataalamu wa TEHAMA kufanya kazi kwenye miradi changamano ya uhandisi na huunga mkono maendeleo ya kitaaluma kupitia ushauri elekezi na kujifunza kwa kuendelea. Fursa za kufanya kazi kwa mbali ni sehemu ya mfumo wake wa kazi, huku miradi ikihudumia mashirika kama AstraZeneca, Scania na SAS.

Mwanasayansi Mwandamizi wa Data – Utangazaji wa Kipangaji (Kazi ya Mbali, Ujerumani/Poland)

Jenga mifumo ya kujifunza kwa mashine na uboreshaji wa wakati halisi kwa utangazaji wa kipangaji. Tengeneza miundo ya utabiri kwa ajili ya zabuni, ulengaji wa hadhira, ubadilishaji, urekebishaji, na utendaji wa kampeni.

Maelezo

  • Tengeneza miundo ya mandhari ya zabuni iliyodhibitiwa ili kukadiria mgawanyo wa bei za ushindi kutoka kwa data ya minada iliyozingatiwa kwa sehemu
  • Unda miundo ya uwezekano wa kushinda ya wakati halisi inayobadilika kulingana na mienendo ya bei za zabuni
  • Buni miundo ya kihierarkia ya kukadiria ongezeko yenye mikakati ya uteuzi inayotegemea mipaka ya uaminifu
  • Jenga miundo ya uwezekano wa ubadilishaji kutoka kwa lebo chache, zilizochelewa, na za jumla pekee
  • Tengeneza miundo ya hadhira inayofanana kwa kutumia ujifunzaji chanya-bila-lebo na mbinu za jirani wa karibu zinazotegemea embedding
  • Tekeleza mikakati ya urekebishaji katika kiwango cha mtangazaji na tathmini kwa kujitegemea ubora wa upangaji na urekebishaji
  • Buni mifumo ya tathmini ya nje ya mtandao kwa kutumia inverse-propensity scoring, wakadiriaji doubly robust, na upimaji upya wa uzito wa umuhimu
  • Bainisha mikakati ya uchunguzi na mbinu za kurekodi propensity ili kusaidia urekebishaji na tathmini ya kuaminika
  • Tengeneza mbinu za uboreshaji zenye vikwazo kwa malengo ya kampeni, mipaka ya bei, na ulengaji wa ujazo
  • Saidia uchunguzi wa data, tathmini ya uwezo, na mapendekezo ya miundo yanayotegemea ushahidi
  • Fanya kazi na timu ya Mteja katika urekebishaji baada ya uzinduzi na uthibitishaji wa utendaji
  • Andaa nyaraka za kiufundi na nyenzo za kuhamisha maarifa kwa timu ya ndani ya sayansi ya data ya Mteja
  • Changia katika majadiliano ya usanifu na maamuzi ya jukwaa la kujifunza kwa mashine linaloweza kupanuka

Mahitaji

  • Angalau miaka mitano ya uzoefu katika Kujifunza kwa Mashine au Sayansi ya Data wa kuwasilisha miundo ya uzalishaji inayopimwa dhidi ya KPI za biashara
  • Ujuzi wa hali ya juu wa Python, ukiwemo NumPy, pandas, na scikit-learn
  • Ujuzi thabiti wa SQL na uzoefu wa kushughulikia seti kubwa za data
  • Utaalamu wa vitendo katika XGBoost, LightGBM, au CatBoost
  • Ujuzi thabiti wa regularization, mbinu za calibration, na uchakataji wa vipengele vya kategoria
  • Msingi thabiti katika uwezekano, takwimu, vipindi vya uaminifu, na uchanganuzi wa nguvu za kitakwimu
  • Uzoefu wa kutengeneza vipengele kutoka kwa data iliyopangwa na ya kitabia
  • Uzoefu wa vitendo na Spark au PySpark
  • Uelewa wa vitendo wa mifumo ya majaribio na majaribio ya A/B
  • Uzoefu wa mbinu za hali ya juu za uthibitishaji, zikiwemo migawanyo ya muda, ugunduzi wa uvujaji, uchanganuzi wa drift, na vipimo vinavyotegemea sehemu
  • Uelewa wa mbinu za kuelezeka kama SHAP na permutation importance
  • Uwezo wa Kiingereza wa kiwango cha juu-kati au zaidi
  • Uwezo thabiti wa uchanganuzi na kutatua matatizo
  • Ufanisi katika mazingira ya kazi yanayoendeshwa kwa kiwango kikubwa na data
  • Ujuzi thabiti wa mawasiliano na usimamizi wa wadau
  • Uwezo wa kueleza maamuzi changamano ya uundaji wa miundo kwa hadhira za kiufundi na zisizo za kiufundi
  • Mtazamo wa kuchukua hatua na hisia thabiti ya uwajibikaji
  • Uangalifu mkubwa kwa undani na ukali wa kisayansi katika majaribio na tathmini

Manufaa

  • Mpangilio wa kazi ya mbali
  • Kufanya kazi kwenye bidhaa zenye changamoto za kiufundi
  • Kushirikiana na wahandisi na wanasayansi wa data wenye uzoefu
  • Kutoa mchango wa moja kwa moja kwa mifumo ya uzalishaji ya kiwango kikubwa