الگونت

Senior Data Scientist

الگونت

حداقل سابقه کار
مهم
موقعیت مکانی
تهران
نوع همکاری
تمام وقت
خدمت سربازی
مهم نیست

مهارت های موردنیاز

  • SQL
  • Python
  • Data science


الزامات کلیدی


۵ سال سابقه کار در موقعیت مشابه

کارشناسی یا کارشناسی ارشد در علوم داده، آمار، ریاضی، علوم کامپیوتر، مهندسی صنایع


شرح شغل

به دنبال یک دانشمند داده ارشد هستیم که در ساخت، ارزیابی و استقرار مدل‌های یادگیری ماشین تجربه عملی و عمیق داشته باشد. این فرد باید در پاک‌سازی، پردازش و تحلیل داده‌ها مسلط باشد و با روش‌های ذخیره‌سازی و مدیریت داده، مانند طراحی جداول، پایگاه‌های داده و پایپ‌لاین‌های داده، آشنا باشد. او باید بتواند هر مسئله را به‌طور مستقل از تعریف مسئله و آماده‌سازی داده تا توسعه مدل، استقرار در محیط عملیاتی (Production) و پایش آن پیش ببرد.


داشتن سابقه قبلی در حوزه زنجیره تأمین الزامی نیست. اما علاقه و توانایی یادگیری مفاهیم زنجیره تأمین و لجستیک، مثل مدیریت موجودی، پیش‌بینی تقاضا و برنامه‌ریزی تأمین، و تبدیل مسائل کسب‌وکاری به مسائل مدل‌سازی، برای این نقش اهمیت دارد.


مسئولیت‌ها:


تعریف مسائل داده‌محور با همکاری ذی‌نفعان کسب‌وکار و تبدیل آن‌ها به مسائل مدل‌سازی قابل اجرا

پاک‌سازی، یکپارچه‌سازی و آماده‌سازی داده‌ها از منابع مختلف، و طراحی و نگهداری ساختارهای ذخیره‌سازی داده برای تحلیل و مدل‌سازی

تحلیل اکتشافی داده‌های تراکنشی، عملیاتی و رفتاری، و انجام مهندسی ویژگی

طراحی، توسعه و بهینه‌سازی مدل‌های آماری و یادگیری ماشین برای طبقه‌بندی، رگرسیون، پیش‌بینی، بخش‌بندی و بهینه‌سازی

انتخاب و مقایسه الگوریتم‌هایی مانند Logistic Regression، XGBoost، LightGBM، CatBoost، مدل‌های سری زمانی و در صورت لزوم یادگیری عمیق (Deep Learning)

طراحی استراتژی‌های مناسب آموزش/اعتبارسنجی (Train/Validation)، از جمله اعتبارسنجی زمانی (Time-based Validation)، و ارزیابی مدل‌ها با معیارهای مناسب مسئله

تحلیل اهمیت ویژگی‌ها و به‌کارگیری روش‌های تفسیرپذیری مدل

انجام بک‌تست (Backtesting)، شبیه‌سازی و تحلیل سناریو برای سنجش اثر مدل‌ها بر شاخص‌های کسب‌وکار

همکاری با تیم‌های مهندسی و MLOps برای استقرار مدل‌ها در محیط عملیاتی

پایش عملکرد مدل و کیفیت داده، و بررسی عملکرد

بازبینی کد و مدل (Code/Model Review)

تعیین استانداردها و بهترین روش‌ها در توسعه، ارزیابی و مستندسازی مدل‌ها

مستندسازی مدل‌ها، فرضیات و نتایج


الزامات:


حداقل ۵ سال تجربه عملی در علم داده / یادگیری ماشین

سابقه توسعه و استقرار چند مدل یادگیری ماشین در محیط عملیاتی که در تصمیم‌های واقعی کسب‌وکار به کار رفته باشند

تسلط بر Python و کتابخانه‌های Pandas، NumPy و Scikit-learn، و تجربه با XGBoost/LightGBM/CatBoost

تسلط بر SQL و آشنایی با پایگاه داده PostgreSQL، و تجربه کار با داده‌های ساختاریافته و حجیم

پایه قوی در آمار، احتمال و استنباط آماری، و درک عمیق از ارزیابی مدل، نمونه‌گیری، آزمون فرض و کالیبراسیون

درک عملی از مفاهیمی مانند نشت داده (Data Leakage)، عدم توازن کلاس‌ها (Class Imbalance)، بیش‌برازش (Overfitting) و انتخاب ویژگی

تجربه کار با Git و ابزارهایی مانند MLflow و Airflow

تجربه راهبری فنی پروژه یا منتورینگ اعضای تیم

توانایی حل مسئله، تفکر انتقادی و توضیح شفاف مفاهیم فنی و مصالحه‌ها (Trade-offs) برای ذی‌نفعان غیرفنی


مزیت محسوب می‌شود:


تجربه در حوزه زنجیره تأمین، لجستیک، خرده‌فروشی یا تولید

آشنایی با مفاهیمی مانند پیش‌بینی تقاضا (Demand Forecasting)، مدیریت موجودی، نقطه سفارش مجدد (Reorder Point)، موجودی اطمینان (Safety Stock)، سطح خدمت (Service Level) و برنامه‌ریزی تأمین (S&OP)

آشنایی با معیارهای ارزیابی پیش‌بینی مانند MAPE، WAPE و Bias

تجربه در بهینه‌سازی (Optimization) و تحقیق در عملیات، مانند برنامه‌ریزی خطی و مسائل مسیریابی (Routing)

آشنایی با استنتاج علّی (Causal Inference) و تحلیل اثر برای ارزیابی اثر تخفیف‌ها، پروموشن‌ها یا تغییر سیاست‌ها

تجربه در شبیه‌سازی و آزمایش (A/B Testing)

تجربه پایش مدل و یادگیری ماشین در محیط عملیاتی

آشنایی با ارائه سرویس مدل (Model Serving) با FastAPI، Docker یا فناوری‌های مشابه

آشنایی با ابزارهای داشبورد و گزارش‌گیری مانند Power BI


مهارت‌های فنی و سطح موردنیاز


Python - پیشرفته

SQL - پیشرفته

PostgreSQL - متوسط

Git - متوسط






درباره شرکت

الگونت یک شرکت فناوری‌محور است که پلتفرم‌های توسعه و مدیریت کسب‌وکار مبتنی بر حوزه هوش مصنوعی را طراحی و تولید می‌کند.

ما روی ساخت محصولات و راهکارهای هوشمند برای حل مسائل واقعی کسب‌وکارها تمرکز داریم و از همکاری با افراد خلاق، توانمند و علاقه‌مند به یادگیری و نوآوری استقبال می‌کنیم.