Data Scientist

Примеры проектов

Walmart:

Имея более 100 000 различных продуктов в своих 4700 магазинах в США, команда исследователей данных Walmart Labs должна прогнозировать спрос на 500 миллионов комбинаций товаров в магазине каждую неделю. Выполняя прогнозирование с набором библиотек обработки данных и машинного обучения с открытым исходным кодом NVIDIA RAPIDS™, построенных на CUDA-X AI и графических процессорах NVIDIA, команда Walmart может разрабатывать функции машинного обучения в 100 раз быстрее и обучать алгоритмы в 20 раз быстрее.

PayPal:

PayPal внедряет новую систему обнаружения мошенничества, которая устанавливает высокую планку, работает по всему миру 24/7 и работает в режиме реального времени, чтобы защитить транзакции клиентов от потенциального мошенничества. Используя графические процессоры NVIDIA T4, это новый уровень обслуживания использует логические выводы графического процессора, чтобы улучшить обнаружение мошенничества в реальном времени на 10 процентов, при этом производительность серверов снижается почти в 8 раз по сравнению с системами на базе CPU.

BMW:

В штате Южная Каролина, расположен крупнейший в мире завод BMW Group, производящий 450 тысяч автомобилей в год. Чтобы обеспечить безупречную доставку, BMW использует графические процессоры для интеллектуальной аналитики изображений, которая автоматизирует полный осмотр автомобиля. Используя пограничные серверы NVIDIA EGX, они могут обрабатывать данные с массива камер, фиксируя 1000 изображений на автомобиль за 70 секунд. Система проверяет качество с высочайшей точностью и подтверждает сотни вариантов настройки, чтобы точно соответствовать спецификациям заказа каждого клиента.

Задачи

• Моделирование и обработка данных на Python для извлечения бизнес-ценности из данных.
• Построение воспроизводимых и переиспользуемых решений для работы с данными и моделями.
• Обучение ML-моделей.
• Работа по улучшению метрик качества.
• Проработка гипотез.
• Деплой моделей в продуктивное окружение и мониторинг качества.
• Анализ данных, выявление зависимостей и потенциала для развития моделей.

Ожидания

• Опыт работы на позиции, связанной с промышленной разработкой от 2-х лет.
• Опыт работы с Spark, PySpark, Pandas, SQL, и др. от 1-го года.
• Опыт использования ML библиотек на Python (бустинг, нейронные сети и др.) и понимание особенностей реализации различных аспектов алгоритмов в коде.
• Понимание методов машинного обучения с точки зрения математики и умение адаптировать их под конкретные задачи.
• Опыт проработки задачи от бизнес-постановки до математической формулировки и реализации в коде.
• Опыт автоматизации пайплайнов работы с данными (AirFlow и др.) и навыки DevOps (Docker, Kubernetes и др.).

Полезные ссылки

• Сайт компании: ссылка.
• Описание возможных проектов: ссылка.