Adattudományi gyakornok

Stack

Feladatok

• ▹QA munkafolyamatok tervezése és megvalósítása statisztikai diagnosztikával, validációs szabályokkal és anomáliadetektálással
• ▹AI/gépi tanulási eszközök alkalmazása nagy méretű eszközadat-halmazok inkonzisztenciáinak, hiányzó értékeinek és gyanús mintázatainak felismerésére
• ▹Újrahasználható, automatizálható és skálázható QA-eszközök fejlesztése Pythonban vagy R-ben
• ▹Együttműködés kutatócsapatokkal, fejlesztőkkel és más érintettekkel a helyadatok minél jobb kihasználása érdekében
• ▹Közreműködés a modell-dokumentációban, a reprodukálhatóságban és az adattudományi eszközök verziókezelésében

Elvárások

• ▹Python (előnyben) vagy R ismerete, beleértve pandas, numpy, scipy, scikit-learn, xgboost, lightgbm könyvtárakat
• ▹SQL ismerete
• ▹Adatminőségi dimenziók (pontosság, teljesség, konzisztencia, egyediség, időszerűség) megértése
• ▹Feltáró adatelemzési (EDA) technikák ismerete az adathalmazok állapotának felmérésére

Előny

• ▹Tapasztalat MLOps vagy reprodukálható tudományos eszközökkel (DVC, MLflow, Jupyter Notebook); geospatiális könyvtárak ismerete előny
• ▹Automatizált tesztelési tapasztalat adatfeldolgozó folyamatokban, validációs sémákban és adatverzió-kezelésben
• ▹Felhőalapú környezetek (Google Cloud, Azure, AWS) ismerete

Soft skillek

Amit kínálunk

• ▹Átlátható kompenzációs rendszer és átfogó munkavállalói juttatások
• ▹Rugalmas munkavégzés, fejlett technológia, együttműködő munkakörnyezet
• ▹Globális orientációs program, Learning@MSCI platform, LinkedIn Learning Pro
• ▹Sokrétű karrierutak, belső mobilitás és bővülő szerepek

A munkáltatóról

Az MSCI a globális befektetői közösség vezető döntéstámogató eszköz- és szolgáltatásszolgáltatója, több mint 50 éves kutatási, adat- és technológiai tapasztalattal. Klímakockázat-elemző divíziója geospatiális adatokkal és modellekkel segíti a befektetőket a fizikai és biodiverzitási kockázatok felmérésében.