• 為 ML/分析用例劃定工作：與客戶合作以理解他們的需求，並設計量化解決方案以滿足這些需求，無論是通過機器學習、分析、數據管道和可視化，或其他方法。
• 獲取、清洗和評估數據集的完整性：讓我們來真實一下，這是工作中棘手而令人滿意的 25%。我們對許多機器學習工作流程的組件使用 Google Cloud Platform。
• 探索數據及其來源：尋找數據中的模式和信號，識別重要字段，提煉洞見，並判斷機器學習是否可應用於該問題。
• 開發和評估機器學習模型：特徵工程，實驗不同模型類型，選擇合適的性能衡量指標，對模型性能和結果進行分析（例如，特徵重要性、模型穩定性、不同組的性能等）。
• 理解模型設計和決策：解釋模型在背後的運作方式以及模型如何得出特定預測，選擇合適的模型家族，並為更快的性能合理化準確性權衡。
• 實施策略和應用：推薦客戶如何在其業務中使用模型輸出，通常涉及與客戶和其他思維機器團隊成員（例如，策略師、商業智能分析師）的協作。
• 研究和跟進技術領域：閱讀已發表的機器學習論文，並在新領域實施其模型的改進版本
  
  

• 對機器學習模型感到舒適——你對經典機器學習模型的分類和回歸有示範性的理解（例如決策樹、集成模型、SVM等）。希望在這個角色中尋求更高級職位的申請者必須在至少一個特定領域擁有高級知識。以下是一些粗略類別：
• 序貫預測模型（例如時間序列預測，LSTMs等）。
• 計算機視覺（例如CNN、SSD等）。
• 地理空間建模（例如GeoPandas、GIS、Clay、UNet等）。
• LaGenAI或語言模型（例如GPT、Gemini、Claude、提示工程、RAG、詞嵌入、文本表示等）。
• 對代碼感到舒適——你可以使用本地計算機抓取、加載和解析中等大小的數據集，而不需要太多指導。
• 清晰的溝通——我們幫助客戶充分利用他們的數據，因此我們有效診斷他們的需求，正確進行分析，並以能夠導致理解和行動的方式傳達我們的發現。至少你需要有條理地表達自己的觀點的能力，並且在與我們共同成長的過程中願意學習這項技能。
• 以應用為導向的方法來解決方案——你應該能夠設計和開發將對客戶的工作產生明確影響的解決方案，並對他們如何在實際應用中使用它有一定的願景。
• 富有成效的好奇心——你會問很多正確的問題。發現驚人的相關性？深入分析原始數據來驗證它。
• 享受教學和學習——我們相信數據科學是當今一個令人驚嘆的領域。要學習的新材料非常多，我們都想學習，我們正在尋找一位希望為每個人的成長做出貢獻的人。在我們的招聘面試中，我們將要求你為我們閱讀並總結一篇機器學習論文。
• 強烈的主動性——你總是尋找有用的方法，並且討厭無所事事。
• 社交智慧——你與他人溝通良好並在團隊合作和人際互動很多的環境中茁壯成長是非常重要的。

• 至少兩年的數據科學、分析或其他相關領域的經驗。如果你在該領域的經驗少於兩年，請準備展示機器學習項目的作品集！
• 計算機科學、物理學、數學、統計學或任何相關領域的學士/碩士學位。
• 強大的基礎統計技能和線性代數處理能力。
• 強大的定量分析能力。
• 熟悉像Python或R等統計編程語言。
• 加分項（你不需要具備所有以下資格，但具競爭力的申請者至少具備兩項）：
• 了解科學的Python工具包和深度學習框架（即PyTorch、TensorFlow、Keras等）。
• 在同行評審的期刊和會議上發表的文章。
• 在AWS、GCP或Azure等雲平台上為>10GB數據集訓練機器學習模型的舒適度。
• 在使用像Tableau、Power BI、Looker、Matplotlib或Seaborn等工具創建引人入勝的數據可視化和儀表板方面的經驗，以與利益相關者溝通洞見。
• 在非技術領域的專業知識。你在能源、金融、保險方面是專家嗎？帶來一些我們尚未擁有的東西！
• 精通開源框架和良好的軟件工程實踐
  

• 競爭力的薪資——薪資金額與工作的難度、相關經驗、適合度和技能因素正相關。
• 混合設置——混合遠程意味著員工需要每週平均到公司兩天，以進行客戶接洽和內部面對面的協作、社交和戰略規劃。
• 個人專業發展預算——每年會有一個預算，用於會議、培訓課程、書籍和軟件，幫助你提升技能並建立新技能，以便你在角色中成長。
• 全面的健康福利——聘用時提供豐厚的健康保險計劃，並可選擇包括家屬。
• 與領導團隊進行學徒制和年度績效回顧，以討論職業和個人目標、工作進展以及任何問題和顧慮。

請參閱職位描述。