Вакансии в области машинного обучения в Lokad
Машинное обучение вместе с искусственным интеллектом стали модными словами. Учитывая, что Lokad стал одной из ключевых европейских компаний, генерирующих решения в реальном мире на основе машинного обучения - на самом деле, решения для цепей поставок - мы получаем все больше заявок на работу.
Хорошая новость: мы все еще нанимаем!
В этом посте мы рассмотрим три области машинного обучения, которые существуют в Lokad, и что вам нужно сделать, чтобы максимизировать шансы на собеседование с нами и, желательно, быть нанятым после этого.
Поздравляем соискателей, которые смогут упомянуть, что они прочитали этот блог-пост во время собеседования. Умные люди - любопытные люди, и если вам не интересно немного изучить своего будущего работодателя, вы, вероятно, не подходите для индустрии машинного обучения.
Вакансия 1: Предиктивное бизнес-моделирование
Улучшение производительности цепей поставок компании с помощью машинного обучения требует значительных усилий. Данные должны быть хорошо подготовлены. Решение задачи должно полностью соответствовать видению и стратегии клиентской компании. Команды цепей поставок должны быть обучены принимать новое и более эффективное аналитическое решение. Необходимо собирать измеримые результаты, и их следует готовиться к тому, что эти результаты будут оспариваться высшим руководством. В Lokad команда моделирования данных, или проще говоря, команда данных, отвечает за решение этих задач.
Для этой конкретной должности мы ищем инженеров с сильным аналитическим мышлением, которые способны не только понять преимущества и ограничения машинного обучения, доступного им, но и способны реализовывать реальные настройки, которые будут интегрированы в ежедневные рабочие процессы реальных цепей поставок. Улучшения реальны, и ошибки тоже реальны. На собеседовании рекомендуется продемонстрировать ваше понимание продукта Lokad, как это задокументировано на нашем веб-сайте. Бонусные баллы, если вы можете обрисовать, как технология Lokad может быть использована для решения реальных задач цепей поставок.
Вакансия 2: Создание инфраструктуры Big Data
Машинное обучение критически зависит от данных. Фактически, чем больше данных доступно, тем лучше работает машинное обучение. Lokad ищет талантливых программистов, способных разработать всю инфраструктуру, которая поддерживает различные аспекты машинного обучения. Важность всего пайплайна данных нельзя недооценивать: недостаточный пайплайн является одной из основных причин неудачи инициатив, основанных на данных. Инфраструктура должна быть не только быстрой и надежной, но также должна справляться с требованиями мощных вычислений самого алгоритма машинного обучения.
Для этой роли мы ищем программистов с сильным вкусом к сложной распределенной обработке внутренних задач. Вам не следует бояться решать сложные алгоритмы, такие как работа с радикс-деревом, и реализовывать такие алгоритмы самостоятельно. Идеально, на собеседовании вы должны продемонстрировать не только вашу способность понять и реализовать этот тип алгоритмической обработки, но также предоставить код, который может быть поддерживаемым и годным для использования в производстве.
Вакансия 3: Научная работа в области машинного обучения
Большинство современных алгоритмов машинного обучения сложны не только с точки зрения статистики, но и с алгоритмической точки зрения. Lokad ищет талантливых математиков, готовых освоить навыки разработки программного обеспечения, необходимые для реализации этих “сложных” алгоритмов машинного обучения. Мы разработали собственный набор алгоритмов, специально разработанных для потребностей цепочки поставок. Не ожидайте подключить один открытый исходный код набор инструментов машинного обучения и продолжать работу: наши клиенты критически зависят от алгоритмов, разработанных для решения конкретных задач цепочки поставок.
Для этой позиции мы ищем математиков или разработчиков программного обеспечения с сильным склонностью к численному анализу и оптимизации, которые имеют амбиции решать чрезвычайно сложные проблемы. Вам не следует бояться разрабатывать свой собственный класс алгоритмов, который может отличаться от того, что считается “мейнстримом” машинного обучения. Идеально, на собеседовании вы должны быть в состоянии объяснить, почему Lokad требуются альтернативные подходы и, возможно, поделиться некоторыми личными идеями по этому поводу.
