遠端資料科學家:應用人工智慧與績效管理
加入Leidos,擔任遠端應用資料科學家,運用Python、機器學習與人工智慧,改善美國海軍關鍵任務計畫的績效管理。識別POAM改善機會,並開發可重複使用的分析能力。
說明
- 運用資料科學與人工智慧分析複雜營運資料,找出績效下降、系統性問題與改善機會。
- 開發以程式碼為核心的分析方法與模型,自動或半自動識別績效改善機會。
- 應用人工智慧與進階分析,依據合約績效目標評估、排序並強化POAM成效。
- 與績效分析師、工程師及相關利害關係人合作,將營運挑戰轉化為資料導向的解決方案。
- 選擇並應用適合的人工智慧方法,同時維持適當的可解釋性與可辯護性。
- 建立可重複使用的分析方法、程式碼與實務,拓展團隊的資料科學與人工智慧能力。
- 向技術受眾、業務利害關係人及管理階層清楚且可信地呈現分析結果。
- 參與更廣泛的海軍績效工作,包括WAM,將相關方法延伸至以SLR為重點的應用之外。
職位要求
- 具備學士學位及4至8年相關經驗,或碩士學位及2至6年相關經驗。
- 額外的專業經驗可替代學位要求。
- 具備美國公民身分,並能取得及維持有效的美國國防部秘密級安全許可。
- 具備將資料科學、機器學習或人工智慧應用於實際營運或績效挑戰的經驗。
- 具備優秀的問題定義能力,包括解讀模糊資訊、識別有用資料及選擇合適的分析方法。
- 熟悉使用Python或同類語言進行資料分析與建模。
- 具備分析大型、混亂或多樣化資料集的經驗。
- 能清楚傳達複雜的分析結果,並以可辯護的推理支持結論。
- 願意在跨領域團隊中合作。
- 具備運用應用機器學習、統計建模或人工智慧進行模式偵測、排序或預測的經驗。
- 了解營運指標、服務等級協議或以合約為基礎的工作環境。
- 能在複雜分析技術、可解釋性與利害關係人信心之間取得平衡。
- 接觸過人工智慧賦能、平台導向方法或可重複使用的分析架構。
- 具備大型組織或企業環境中的工作經驗。
