Senior I data scientist

Stack

Feladatok

• ▹Operatív és pénzügyi adatok feltárása, hipotézisek felállítása és tesztelése
• ▹Prediktív és elemző modellek építése: késések és időtartamok, torlódás, költség, terv–tény eltérés
• ▹Jellemzők (feature-ök) kialakítása a kurált adatrétegeken, jelentésük és eredetük dokumentálása
• ▹Múltbeli adatállapotokkal dolgozás úgy, hogy a tanítóminta az esemény idején ismert állapotot tükrözze
• ▹Analitikai termékek bemenetének előkészítése: KPI-dashboardok, felhasználói aktivitás-elemzés, vezetői összefoglalók, trendelemzés
• ▹Metrika- és számítási definíciók egyeztetése a szemantikus réteggel, hogy a számok riportokban, API-kban és felületeken megegyezzenek
• ▹Eredmények validálása az üzleti érintettekkel, modelldokumentáció készítése

Elvárások

• ▹Analitikai Python: pandas, scikit-learn, statisztikai könyvtárak, áttekinthető vizualizáció
• ▹Spark SQL és PySpark, magabiztos munka nagy táblákon, window függvények, az elosztott végrehajtás ismerete
• ▹Databricks mint munkakörnyezet: notebookok, jobok, kísérletkövetés, katalógus és adatjogosultságok, táblaverziók és time travel
• ▹A medallion modell és a megfelelő adatréteg kiválasztásának ismerete
• ▹Statisztika és idősor-módszerek, megalapozott kísérlettervezés, baseline-ok és őszinte minőségi metrikák
• ▹Tapasztalat vállalati nyilvántartó rendszerek nyers adataival: hiányok, duplikátumok, visszamenőleges javítások, ellentmondó törzsadatok
• ▹Az eredmény megmagyarázásának és megvédésének képessége nem technikai érintettek előtt

Előny

• ▹Jellemzők tárolása a katalógusban és átadásuk az éles útvonalnak
• ▹Szállítás, logisztika vagy ellátási lánc területi ismeret
• ▹Térinformatikai elemzés és útvonaladatok
• ▹Modell átadása ML-mérnöknek éles üzemhez

Soft skillek

A munkáltatóról

A Softeq 1997-ben alakult, új termékfejlesztésre és K+F-re specializálódott: a nehéz technológiai problémákra keres megoldást, emellett korai szakaszú innovációt és digitális transzformációs üzleti tanácsadást is kínál globális léptékben.