Senior Data Scientist

درباره ما:
در Koocafe، ما متعهد به ارائه بهترین تجربه کافه برای همه هستیم. ماموریت ما این است که علاقه‌مندان به قهوه را با بهترین کافه‌ها مرتبط کنیم و در عین حال این کافه‌ها را با زیرساخت‌های فنی توانمند سازیم تا خدمات آنلاین با کیفیت بالا را به راحتی به مشتریان خود ارائه دهند. Koocafe در حال حاضر به کاربران و کافه‌ها در چندین کشور در سراسر جهان خدمات ارائه می‌دهد و به طور فعال در حال گسترش کسب و کار خود در ایران است. اگر مشتاق پیوستن به ما در این سفر و عضویت در تیم ما هستید، مشتاقانه منتظر رزومه شما هستیم.

شرح شغل:
ما به دنبال یک دانشمند ارشد داده با تجربه و بصیرت برای پیوستن به تیم پویای خود هستیم. در این نقش، شما از یادگیری ماشین پیشرفته، تکنیک‌های آماری و ابزارهای پیشرفته برای آزادسازی ارزش پنهان در داده‌های ما استفاده خواهید کرد. شما با تیم‌های چندوظیفه‌ای از جمله محصول، مهندسی و بازاریابی همکاری خواهید کرد تا بینش‌های عملی ارائه دهید که رشد کسب و کار را تقویت می‌کند، تجربه کافه را بهینه می‌کند و تصمیم‌گیری استراتژیک را در سراسر سازمان هدایت می‌کند.

مسئولیت‌ها:

• تحلیل و مدل‌سازی داده‌ها: استفاده از روش‌های آماری پیشرفته و تکنیک‌های یادگیری ماشین برای تحلیل مجموعه داده‌های بزرگ و پیچیده، کشف بینش‌ها و روندهایی که استراتژی‌های کسب‌وکار را شکل می‌دهند.
• تحلیل‌های پیش‌بینی‌کننده: ساخت مدل‌های پیش‌بینی‌کننده برای پیش‌بینی نتایج کسب‌وکار، بهینه‌سازی فرآیندها و هدایت تصمیم‌گیری در بخش‌های مختلف.
• مهندسی ویژگی: طراحی و پیاده‌سازی تکنیک‌های مهندسی ویژگی برای بهبود دقت و عملکرد مدل‌های یادگیری ماشین.
• همکاری: همکاری نزدیک با تیم‌های چندوظیفه‌ای (کسب‌وکار، محصول، مهندسی و غیره) برای شناسایی مشکلات کلیدی کسب‌وکار و تبدیل آنها به راه‌حل‌های علم داده.
• آماده‌سازی داده‌ها: داده‌های خام را از منابع مختلف پاک‌سازی، پیش‌پردازش و سازماندهی کنید تا از مناسب بودن آنها برای تحلیل و مدل‌سازی اطمینان حاصل شود.
• توسعه مدل یادگیری ماشین: توسعه و استقرار مدل‌های یادگیری ماشین برای سیستم‌های طبقه‌بندی، رگرسیون، خوشه‌بندی و توصیه.
• ارزیابی و بهینه‌سازی: عملکرد مدل‌ها را با استفاده از معیارهای مختلف (مانند دقت، صحت، فراخوانی، امتیاز F1) ارزیابی کرده و آنها را برای عملکرد در دنیای واقعی بهینه کنید.
• مصورسازی و گزارش‌دهی داده‌ها: مصورسازی‌ها و گزارش‌های واضح و روشن ایجاد کنید تا یافته‌ها را به ذینفعان غیرفنی منتقل کنید.
• اتوماسیون: خودکارسازی وظایف تکراری پردازش داده‌ها و گزارش‌دهی برای افزایش کارایی و کاهش تلاش‌های دستی.
• تحقیق و نوآوری: از آخرین پیشرفت‌ها در علوم داده، یادگیری ماشین و هوش مصنوعی مطلع باشید و ایده‌ها و تکنیک‌های جدید را به تیم خود ارائه دهید.
• استقرار و نظارت: پیاده‌سازی مدل‌ها در محیط‌های عملیاتی و نظارت بر عملکرد آنها در طول زمان برای اطمینان از برآورده شدن الزامات تجاری.

الزامات:

• سطح بالای زبان انگلیسی، چه کتبی و چه شفاهی.
• تحصیلات: مدرک کارشناسی یا کارشناسی ارشد در رشته‌های علوم داده، علوم کامپیوتر، آمار، ریاضیات یا رشته‌های مرتبط.
• تجربه: تجربه اثبات‌شده به عنوان یک دانشمند داده، با پیشینه قوی در یادگیری ماشین، تجزیه و تحلیل داده‌ها و مدل‌سازی آماری.
• برنامه‌نویسی: مهارت‌های برنامه‌نویسی قوی در پایتون (ترجیحاً)، R یا زبان‌های مشابه. تجربه کار با کتابخانه‌هایی مانند Pandas، NumPy، scikit-learn، TensorFlow یا PyTorch.
• یادگیری ماشین: تخصص در ساخت و استقرار مدل‌های یادگیری ماشین برای طبقه‌بندی، رگرسیون، پیش‌بینی سری‌های زمانی و وظایف پردازش زبان طبیعی (NLP).
• پردازش داده‌ها: تجربه در زمینه‌ی کار با داده‌ها، مهندسی ویژگی‌ها و کار با مجموعه داده‌های بزرگ و بدون ساختار.
• SQL: تسلط کامل به SQL برای پرس‌وجو از پایگاه‌های داده و کار با داده‌های ساختاریافته.
• پلتفرم‌های ابری: تجربه کار با پلتفرم‌های ابری مانند AWS، Azure یا Google Cloud برای استقرار مدل‌ها و مدیریت خطوط داده.
• مصورسازی داده‌ها: تسلط بر ابزارهای مصورسازی داده‌ها مانند Power BI، Tableau یا کتابخانه‌های برنامه‌نویسی مانند Matplotlib، Seaborn یا Plotly.
• حل مسئله: مهارت‌های قوی تحلیلی و حل مسئله، با اشتیاق به کارگیری علم داده در چالش‌های کسب‌وکار دنیای واقعی.
• ارتباطات: مهارت‌های ارتباطی عالی برای توضیح مفاهیم فنی پیچیده به ذینفعان غیرفنی و همکاری در تیم‌ها.

صلاحیت‌های ترجیحی:

• ابزارهای کلان‌داده: آشنایی با ابزارهای کلان‌داده مانند آپاچی اسپارک، هادوپ یا دیتابریکس.
• یادگیری عمیق: تجربه کار با تکنیک‌ها و چارچوب‌های یادگیری عمیق (مثلاً TensorFlow، Keras، PyTorch).
• پردازش زبان طبیعی (NLP): تجربه با تکنیک‌های NLP مانند تحلیل احساسات، طبقه‌بندی متن یا مدل‌های زبانی.
• تحلیل آماری: پایه قوی در تحلیل آماری و آزمون فرضیه.
• مهندسی داده: تجربه در ساخت و بهینه‌سازی خطوط لوله داده برای جمع‌آوری، پردازش و ذخیره‌سازی داده‌ها.
• کنترل نسخه: آشنایی با سیستم‌های کنترل نسخه مانند Git.
• تیزبینی تجاری: توانایی درک اهداف تجاری و همسو کردن راه‌حل‌های علم داده برای دستیابی به آن اهداف.

مزایا:

• حقوق رقابتی متناسب با تجربه.
• فرصت کار از راه دور با ساعات کاری منعطف.
• بسته جامع مزایا.
• فرصت‌های توسعه حرفه‌ای و آموزشی.
• فرهنگ کاری پویا و فراگیر با فرصت‌های رشد و پیشرفت.

لطفا رزومه خود را به زبان انگلیسی ارسال کنید.