Descripción : Como científico de IA, dirigirá la aplicación de conocimientos cuantitativos sofisticados en disciplinas matemáticas avanzadas para desarrollar soluciones innovadoras de ciencia de datos.
Trabajará de forma autónoma con una supervisión directa limitada por parte de los miembros sénior del equipo y prestará apoyo a otros científicos de IA promoviendo las mejores prácticas en múltiples dominios y/o grupos de partes interesadas.
Funciones : Coordinar la aplicación de soluciones de modelización: Esto incluye la integración de datos complejos procedentes de múltiples fuentes y modalidades diferentes, así como la aplicación de enfoques especializados en clasificación, regresión, agrupación, PNL, análisis de imágenes, teoría de grafos y otras técnicas.
Investigar y desarrollar modelos predictivos avanzados y métodos computacionales para orientar y dar forma a la toma de decisiones.
Proporcionar formación y asesoramiento a los colaboradores sobre el uso óptimo de datos clave, plataformas de análisis y el uso adecuado de la ciencia de datos.
Aplicar técnicas de investigación expertas en IA, incluido el establecimiento de hipótesis que puedan abordarse utilizando métodos y herramientas computacionales.
Aplicar una serie de metodologías de ciencia de datos, desarrollando nuevas soluciones de ciencia de datos donde las metodologías estándar no encajen.
Desarrollar, implementar y mantener las herramientas y algoritmos necesarios de forma que cumplan los requisitos normativos y probatorios dentro del ámbito del proyecto.
Desarrollar, mantener y aplicar conocimientos continuos y concienciación sobre tendencias.
Requisitos : Licenciatura (o número equivalente de años de experiencia) en matemáticas de investigación de operaciones, informática, ingeniería, física, estadística, economía, ciencias computacionales o una disciplina cuantitativa relacionada.
Poseer Certificado de discapacidad igual o superior al 33% Inglés C1 Experiencia demostrada con enfoques modernos de ciencia de datos, incluidos algoritmos de clasificación y regresión supervisados y no supervisados, como agrupación de k-means, máquinas de vectores de soporte, bosques aleatorios, redes neuronales y aprendizaje profundo.
También puede tener experiencia en modelización estadística avanzada o en aspectos más amplios de las matemáticas aplicadas, como sistemas dinámicos u optimización.
Experiencia demostrada en la modelización de conjuntos de datos complejos en dominios de aplicaciones empresariales y/o científicas aplicadas.
Conocimientos avanzados y experiencia demostrada con los lenguajes estándar de la ciencia de datos: R y Python (preferentemente Python) y familiaridad con sistemas de bases de datos (por ejemplo, SQL, NoSQL, graph).
Comprensión y familiaridad con los principios de desarrollo de software.
Experiencia en la manipulación y el análisis de grandes conjuntos de datos no estructurados de alta dimensionalidad, la extracción de conclusiones, la definición de acciones recomendadas y la comunicación de resultados a las partes interesadas.
Comprensión del diseño, desarrollo, optimización, escalado y aplicaciones de algoritmos.
#J-18808-Ljbffr