متخصص علم داده (Data Scientist)

ما در ره‌آوا، به‌عنوان یک کسب‌وکار فناورانه فعال در حوزه مدیریت و بهینه‌سازی زنجیره تامین کالاهای اساسی، به دنبال همکاری با یک متخصص علم داده هستیم که با تکیه بر دانش عمیق یادگیری ماشین، توانایی تحلیل داده‌های پیچیده و مهارت برنامه‌نویسی، بتواند داده‌های کسب‌وکار را به مدل‌های پیش‌بینی، بینش‌های کاربردی و راهکارهای هوشمند تبدیل کند.

شرح وظایف و مسئولیت‌های کلیدی

• استخراج و تحلیل داده‌ها: استخراج، پردازش و تحلیل مجموعه‌داده‌های حجیم و پیچیده با استفاده از Python و SQL و کار با پایگاه‌های داده تحلیلی.
• آماده‌سازی و مهندسی ویژگی: پاک‌سازی داده‌ها، شناسایی داده‌های پرت و ناقص، تبدیل داده‌ها و طراحی ویژگی‌های موثر برای توسعه مدل‌های یادگیری ماشین.
• طراحی و توسعه مدل‌های یادگیری ماشین: انتخاب، پیاده‌سازی، آموزش و بهینه‌سازی الگوریتم‌های یادگیری ماشین متناسب با مسائل و نیازهای کسب‌وکار.
• ارزیابی و اعتبارسنجی مدل‌ها: طراحی فرآیندهای ارزیابی، انتخاب معیارهای مناسب، تحلیل خطا، بررسی بیش‌برازش و کم‌برازش و سنجش قابلیت تعمیم مدل‌ها.
• مدل‌سازی پیش‌بینانه و تحلیل الگوها: توسعه مدل‌های پیش‌بینی، طبقه‌بندی، خوشه‌بندی و شناسایی الگوهای رفتاری در داده‌های عملیاتی و تجاری.
• تحلیل آماری و کشف بینش‌های داده‌محور: انجام تحلیل‌های اکتشافی، آزمون فرضیه، بررسی روابط میان متغیرها و شناسایی عوامل موثر بر شاخص‌های کسب‌وکار.
• توسعه راهکارهای تحلیلی کاربردی: تبدیل چالش‌های کسب‌وکار به مسائل قابل حل با داده و ارائه مدل‌های تحلیلی برای بهبود تصمیم‌گیری، پیش‌بینی تقاضا و بهینه‌سازی فرآیندها.
• بهینه‌سازی عملکرد مدل‌ها: تنظیم ابرپارامترها، انتخاب ویژگی‌های موثر، مقایسه الگوریتم‌ها و بهبود دقت، پایداری و کارایی مدل‌های توسعه‌یافته.
• مستندسازی و پایش کیفیت مدل‌ها: مستندسازی فرضیات، داده‌های ورودی، روش‌های مدل‌سازی و نتایج ارزیابی و همکاری در بررسی عملکرد مدل‌ها پس از استفاده عملیاتی.
• همکاری بین‌تیمی و ارائه نتایج: تعامل موثر با تیم‌های محصول، توسعه نرم‌افزار و کسب‌وکار برای تعریف مسائل تحلیلی، تفسیر نتایج و تبدیل خروجی مدل‌ها به راهکارهای قابل اجرا.

شرایط احراز و مهارت‌های تخصصی

• حداقل مدرک کارشناسی در رشته‌های علوم کامپیوتر، مهندسی کامپیوتر، علم داده، آمار، ریاضیات یا رشته‌های مرتبط.
• حداقل 3 سال تجربه حرفه‌ای مرتبط در حوزه علم داده، مدل‌سازی آماری یا یادگیری ماشین.
• تسلط حرفه‌ای به Python و کتابخانه‌های Pandas، NumPy، Scikit-learn و ابزارهای پردازش و تحلیل داده.
• تسلط به SQL پیشرفته شامل کوئری‌نویسی پیچیده، Window Functions، CTE و بهینه‌سازی پرس‌وجوها.
• تجربه عملی کار با پایگاه‌های داده تحلیلی و آشنایی با مفاهیم Data Warehouse و ساختارهای ذخیره‌سازی و پردازش داده.
• دانش عمیق الگوریتم‌های Machine Learning شامل روش‌های Supervised و Unsupervised Learning و الگوریتم‌های رگرسیون، طبقه‌بندی، خوشه‌بندی و مدل‌های مبتنی بر درخت.
• تسلط به روش‌های ارزیابی مدل‌ها شامل Cross-Validation، Hyperparameter Tuning، تحلیل خطا و معیارهایی نظیر Precision، Recall، F1-Score، ROC-AUC، MAE و RMSE.
• تسلط به مفاهیم آمار، احتمال، آزمون فرضیه، تحلیل توزیع داده‌ها و مبانی مدل‌سازی آماری.
• تجربه عملی در Feature Engineering، Feature Selection و مدیریت داده‌های نامتوازن.
• آشنایی با Git، اصول کدنویسی ساختاریافته و مستندسازی پروژه‌های تحلیلی.
• توانایی حل مسائل پیچیده، تفکر تحلیلی و تفسیر نتایج مدل‌ها در چارچوب مسائل واقعی کسب‌وکار.
• رعایت استانداردهای فنی، اصول امنیت اطلاعات و محرمانگی داده‌های سازمان.
• تعهد به صحت، اعتبار و قابلیت اتکای تحلیل‌ها و نتایج ارائه‌شده.
• پذیرش مسئولیت و پاسخگویی نسبت به کیفیت خروجی‌ها و تعهدات تخصصی.
• برنامه‌ریزی، اولویت‌بندی و تحویل به‌موقع فعالیت‌ها مطابق اهداف تعیین‌شده.
• همکاری موثر با تیم‌های فنی و غیرفنی و مشارکت در حل مسائل مشترک.
• مستندسازی دانش تخصصی، روش‌ها و فرآیندهای تحلیلی.
• یادگیری مستمر و به‌روزرسانی دانش در حوزه علم داده و هوش مصنوعی.
• ارائه شفاف نتایج، محدودیت‌ها و ریسک‌های تحلیل‌ها به ذی‌نفعان.

مهارت‌ها و تجربیاتی که مزیت محسوب می‌شوند:

• تجربه کار با پایگاه‌های داده تحلیلی مانند ClickHouse، BigQuery یا PostgreSQL.
• آشنایی با PyTorch یا TensorFlow و مفاهیم یادگیری عمیق.
• تجربه کار با ابزارهای MLflow و اصول MLOps.
• تجربه توسعه مدل‌های پیش‌بینی سری‌های زمانی (Time Series Forecasting).
• آشنایی با Docker، FastAPI و نحوه ارائه مدل‌های یادگیری ماشین به سرویس‌های نرم‌افزاری.
• آشنایی با ابزارهای پردازش داده‌های حجیم مانند Apache Spark.
• تجربه طراحی آزمایش‌های A/B Testing و ارزیابی تاثیر تجاری مدل‌ها.
• سابقه فعالیت در کسب‌وکارهای پلتفرمی، تجارت الکترونیک، بازارگاه‌ها یا زنجیره تامین.