Kierownik ds. nauki danych w BETER

Firma produktowa BETER poszukuje lidera ds. analityki danych w celu opracowania i wdrożenia strategii technicznej rozwoju systemu do analityki sportowej. Jeśli pasjonujesz się wykorzystaniem danych do wprowadzania innowacji i wywierania znaczącego wpływu, to ta pozycja jest dla Ciebie.

Ważne dla stanowiska:

— Licencjat lub tytuł magistra w dziedzinie informatyki, statystyki, matematyki lub pokrewnej dziedziny;
— 5 lat udokumentowanego doświadczenia na stanowisku związanym z analityką danych, z doświadczeniem w dostarczaniu skutecznych rozwiązań w szybko rozwijającym się środowisko.
— Bądź przedsiębiorcą, miej poczucie odpowiedzialności za powierzony obszar i traktuj go jak dziecko, bądź wymagający wobec zespołu, ale uczciwy, wyznaczaj cele, monitoruj ich realizację, kontroluj obciążenie ludzi pracą, i systematycznie podnosić poziom umiejętności w zespole;
— Doświadczenie w kierowaniu zespołem: organizowaniu pracy, motywowaniu, utrzymywaniu dyscypliny, delegowaniu i monitorowaniu realizacji, wymianie informacji zwrotnej i przywództwie;
— Znajomość teorii prawdopodobieństwa i umiejętność tworzenia aplikacji w oparciu o tę teorię;
— Praktyczne doświadczenie z językiem Python (numpy, pandas, matplotlib itp.);
— Dogłębne zrozumienie algorytmów uczenia maszynowego, technik modelowania statystycznego i eksperymentów zasady projektowania;
— Doskonałe umiejętności rozwiązywania problemów i pasja do stawiania czoła złożonym wyzwaniom analitycznym;
— Lojalność wobec praktyk DevOps i doświadczenia w ich stosowaniu: automatyzacja narzędzi do tworzenia i zapewniania jakości, monitorowanie, śledzenie i debugowanie;
— Trzymaj się opinii, że bez przeglądu kodu nie da się pracować i przekazywać tego komunikatu masom :);
— Dążenie do ulepszania istniejących rozwiązań i opracowywanie nowych, poszukiwanie punktów wzrostu;
— Chęć dzielenia się wiedzą z inżynierami i umiejętność jej przekazywania.

Będzie to plus:

— Praktyczne doświadczenie w rozwijaniu się w C#;
— Doświadczenie w zagłębianiu się w frameworki w celu samodoskonalenia;
- Nieustanne poszukiwanie odpowiedzi na pytania „dlaczego” i „jak to zrobić” zrób to lepiej”, ale jednocześnie krytyczne myślenie, aby zrozumieć, kiedy racjonalne jest zrobienie tego „lepiej”;
— Zrozumienie struktur danych i algorytmów, zrozumienie, czym O(1) różni się od O(n);
– Doświadczenie w środowiskach chmurowych ogólnie, a w szczególności w AWS.

Co musisz zrobić?

— Kierowanie i mentorowanie zespołem analityków danych, zapewnianie wskazówek i wsparcia w celu zapewnienia pomyślnej realizacji projektów i rozwoju zawodowego;
— Planowanie i dystrybucja pracy w zespole, monitorowanie wdrożenia;
—  Kierowanie opracowywanie i wdrażanie najnowocześniejszych algorytmów uczenia maszynowego i modeli statystycznych w celu wydobywania praktycznych wniosków z dużych zbiorów danych;
— Współpraca z interesariuszami biznesowymi, aby rozumieć kluczowe cele i przekładać je na rozwiązania analityczne, które zapewniają mierzalną wartość biznesową;
— Projektuj i przeprowadzaj eksperymenty w celu testowania hipotez w celu budowania algorytmów predykcyjnych;
— Projektowanie usług dla równowagi zespołu we współpracy z architektem i analitykami biznesowymi;
— Imuzupełnianie i utrzymywanie dobrych praktyk tworzenia oprogramowania, takich jak konwencje kodowania i przegląd kodu;
— Pomoc w rozwiązywaniu problemów i szkolenia, jak zapobiegać im w przyszłości;
— Przeprowadzanie testów wiedzy, opracowywanie testów dla siebie -kontrola i na potrzeby rekrutacyjne;
— Udział w rozmowach kwalifikacyjnych z kandydatami do zespołu, ocena poziomu wiedzy i doświadczenia;
— Regularne przekazywanie informacji zwrotnej członkom zespołu;
— Regularne prowadzenie spotkań zespołu podstawie;
— Zatwierdzanie urlopów, zwolnień lekarskich, dni wolnych, nadgodzin w zespole i korekta bieżących planów.

Co i jak działają zespoły?

— Wysoce obciążony system oparty na .NET 8, który odbiera zmiany w czasie rzeczywistym i przelicza analitykę sportową;
— Praca w architekturze mikroserwisowej, z systemem przesyłania wiadomości;
— Możliwość wyboru technologii aby skutecznie osiągać rezultaty;
— Doświadczeni i silni specjaliści w zespołach, którzy zawsze są gotowi dzielić się wiedzą;
— Kod jest spakowany w Dockerze i żyje w AWS EKS;
— Kafka na serio- przesyłanie wiadomości czasowych;
— MongoDB, PostgreSQL do przechowywania i przetwarzania danych;
— Victoria Metrics do gromadzenia metryk i monitorowania;
— ElasticSearch for logs;
— Zespoły są wielofunkcyjne i skupieni na swoich usługach;
— Minimalna biurokracja, możliwość łatwej komunikacji ze wszystkimi szczeblami kierownictwa;
— Staramy się podejmować decyzje szybko, bez miesięcy dyskusji, jeśli osoba przeanalizowała ryzyko i alternatywy i rozumie istotę swojej propozycji.