DCY-ն փնտրում է տաղանդավոր և մոտիվացված ML ինժեներ, Signal տիրույթում հետազոտող: DCY-ն կորպորատիվ հետազոտական ստորաբաժանում է, որը կենտրոնանում է առաջադեմ տեխնոլոգիաների մշակման վրա DCY-ի բոլոր արտադրական գծերի համար, ներառյալ Ավտոմոբիլային, Կենսակերպ (սպառող) և Պրոֆեսիոնալ:

Մեքենայի ուսուցման ինժեները պատասխանատու կլինի մեքենայի վարորդի վիճակի վերլուծության առաջադեմ համակարգերի մշակման համար:

Դուք պատասխանատու կլինեք բարդ վերլուծական հասկացությունները մեր հետազոտության համար գործող արդյունքների վերածելու համար: Որպես Data Scientist DCY Neurosense թիմում, դուք կաշխատեք համաշխարհային կարգի բազմամասնագիտական թիմի հետ՝ տեղակայելու մասշտաբային կանխատեսող պատճառաբանություն և տվյալների արդյունահանման ալգորիթմներ, ինչպես նաև հանել / վերափոխել Big Data: Տրամադրել տեխնիկական փորձաքննություն և բիզնես խորհրդատվական հմտություններ՝ կիրառական ավտոմոբիլային վերլուծական միջավայրում վերահսկվող և չվերահսկվող ուսուցման խնդիրները լուծելու համար: Դուք նաև անմիջականորեն պատասխանատու կլինեք ծրագրի արդյունավետ արդյունքների պատրաստման, վերլուծության և ստեղծման համար՝ արդյունավետ և առանց սխալների, օգտագործելով դասական վիճակագրական տեխնիկան, ինչպես նաև առաջադեմ գործիքները, որոնք տրամադրվում են ժամանակին և բյուջեով:

Այս պաշտոնը կգտնվի Երևանում, Հայաստանում, որտեղ հաջողակ թեկնածուին հասանելի կլինեն համաշխարհային կարգի գործիքներն ու հնարավորությունները:

Այս դիրքորոշումն ուղղակի հաղորդումներ չունի։

• Աշխատեք ազդանշանների (երբեմն համակարգչային տեսողության) և կենսաչափական նեյրոնային ցանցերի ժամանակակից մոդելների հետ
• Աշխատեք կենսաազդանշանների հետ, ինչպիսիք են սրտի հաճախությունը/ԷՍԳ/32 ալիքի EEG
• Աշխատեք մեքենայի մեծ տվյալների հետ բազմաթիվ սենսորներից
• Ընտրեք վիճակագրական, մեքենայական ուսուցման և արհեստական ինտելեկտի ալգորիթմներ՝ զտման, կլաստերավորման և դասակարգման խնդիրները լուծելու համար:
• Աշխատանք ժամանակային շարքերի հետ, ազդանշանների ներկայացման սպեկտրային և ոչ գծային եղանակների իմացություն։
• Կառավարեք լայնածավալ տվյալների հավաքածուներ և համապատասխան տվյալների կազմակերպում
• Սերտորեն համագործակցեք մեքենայական ուսուցման այլ ավագ հետազոտողների և ինքնավարության ինժեներների հետ
• Որպես մատրիցային կազմակերպության մաս, աշխատեք ինժեներների, դիզայներների, փորձարկողների և մենեջերների հետ, որոնք անհրաժեշտ են, որպեսզի օգնեք ինտեգրվել, գնահատել և արտադրել ձեր լուծումները:
• Կատարեք կոդի վերանայումներ և այլ գործողություններ՝ բարձրորակ արդյունքներ ապահովելու համար
• Վերլուծել, գրել և հարմարեցնել ծրագրային ապահովման պահանջները
• Տրամադրել տվյալների/հաշվետվությունների աջակցություն տվյալների մշակման բարդ նախագծերի համար:
• Հայեցակարգել խնդիրները, կիրառել համապատասխան տեսություն, ուսումնասիրել մոտեցումները, մոդելավորել և իրականացնել նվազագույն վերահսկողությամբ:
• Սահմանել տվյալների կարիքները, գնահատել տվյալների որակը և քաղել/փոխակերպել տվյալները վերլուծական նախագծերի և հետազոտությունների համար:
  

• Մագիստրոսի կոչում կամ ավելի բարձր ֆիզիկայի, մաթեմատիկայի, համակարգչային գիտության կամ հարակից բնագավառներում:
• Պետք է ունենա 5 տարվա փորձ կանխատեսող մոդելավորման և տվյալների արդյունահանման ոլորտում; Մրցակցային/Հաճախորդների հետախուզություն; Վիճակագրական մոդելի մշակում; Վերլուծություն (Կանխատեսող վերլուծություն); Մեծ տվյալներ; և բարձր կատարողական հաշվարկ
• 3 տարվա աշխատանքային փորձ համակարգչային տեսողության կամ կենսաազդանշանի վերլուծության մեքենայական ուսուցման ոլորտում:
• NumPy, Pandas և այլն: տվյալների մեջ փորփրելու համար տեղեկատվությունից իմաստ հանելու համար:
• Մեքենայի ուսուցման տեխնիկայի և ալգորիթմների գերազանց իմացություն, ինչպիսիք են k-NN, Naive Bayes, SVM, Decision Forests և այլն:
• Տվյալների գիտության ընդհանուր գործիքների փորձ, ինչպիսիք են NumPy-ը
• Փորձը տվյալների վիզուալիզացիայի գործիքների հետ, ինչպիսին է Plotly-ն
• Հարցման լեզուների օգտագործման իմացություն, ինչպիսին է SQL-ը
• Կիրառական մեքենայական ուսուցման գործնական փորձ, ինչպես նաև խորը ուսուցման փորձ շրջանակներով, գերադասելի է pytorch-ով:
• Տիրապետել մեկ կամ մի քանի համապատասխան ծրագրավորման լեզուների՝ Python-ին
• Ձեռնարկության մակարդակի փաստաթղթավորման հմտություններ
• Զարգացած փափուկ հմտություններ: Հաշվետու ինժեներների փոքր խմբերում աշխատանքը կազմակերպելու ունակություն:
• Մեծ ծավալի տվյալների հետ աշխատելու փորձ, գերադասելի է ավտոմատ կամ առողջապահական ոլորտում
• NoSQL տվյալների բազաների հետ աշխատելու փորձ, ինչպիսիք են MongoDB, Cassandra, HBase
• Լավ կիրառական վիճակագրության հմտություններ, ինչպիսիք են բաշխումները, վիճակագրական թեստավորումը, ռեգրեսիան և այլն:
• Պետք է կարողանա բացահայտել տվյալների փոխհարաբերությունները, միտումները և անոմալիաները:
• Գրավոր և բանավոր հաղորդակցման ուժեղ հմտություններ:
• Վերլուծական արդյունքները մեկնաբանելու և արտահայտելու ունակություն

• Բիզնես գործընթացներում վերլուծությունների արժեքը ցույց տալու ունակություն
• Ռեգրեսիա (գծային, լոգիստիկ, բազմանդամ, գրաքննված)
• Թեստի ձևավորում/Փորձերի նախագծում
• Սեգմենտացիան և կլաստերավորումը
• Որոշման ծառի վերլուծություն
• Մաթեմատիկական ծրագրավորում և օպտիմալացում
• Օպտիմալացում