In sintesi
- Mansioni: Progetta e sviluppa modelli di machine learning per ottimizzare le operazioni della supply chain.
- Azienda: Amazon Web Services, leader nel cloud computing con una cultura innovativa.
- Benefit: Salario competitivo, benefici sanitari, lavoro flessibile e opportunità di crescita professionale.
- Altre informazioni: Ambiente dinamico con supporto alla pubblicazione di ricerche e mentorship.
- Perché questo lavoro: Lavora con tecnologie all'avanguardia e fai la differenza in progetti globali.
- Qualifiche: Dottorato in informatica e esperienza pratica con modelli di machine learning.
La retribuzione prevista è compresa tra 142800 - 193200 € per anno.
Come parte dell'organizzazione AWS Applied AI Solutions, abbiamo una visione per fornire applicazioni aziendali che sfruttano l'esperienza unica di Amazon, utilizzate da milioni di aziende in tutto il mondo per gestire le operazioni quotidiane. Ciò avverrà accelerando le attività dei nostri clienti attraverso la fornitura di soluzioni tecnologiche intuitive e differenziate che risolvono sfide aziendali durature.
Stiamo cercando un Applied Scientist per unirsi al nostro team che sta costruendo applicazioni aziendali rivoluzionarie sfruttando il machine learning, l'AI generativa e l'AI agentica per aiutare milioni di aziende a gestire le loro operazioni nella catena di approvvigionamento. La nostra missione è accelerare le attività dei nostri clienti attraverso soluzioni tecnologiche intuitive e differenziate che affrontano le sfide della catena di approvvigionamento.
In qualità di Applied Scientist, progetterai e svilupperai modelli e algoritmi di machine learning all'avanguardia che alimentano applicazioni intelligenti per la catena di approvvigionamento su scala globale. Lavorerai all'intersezione della ricerca e dell'impatto reale del prodotto, traducendo scoperte scientifiche in sistemi di produzione che servono milioni di clienti.
Responsabilità chiave:
- Progettare, sviluppare e implementare modelli e algoritmi di machine learning per la previsione della domanda, l'ottimizzazione dell'inventario, il rilevamento delle anomalie e la decisione nella catena di approvvigionamento, con guida da scienziati senior su spazi problematici innovativi.
- Contribuire a soluzioni GenAI e Agentic AI che automatizzano i flussi di lavoro della catena di approvvigionamento; implementare componenti di modelli, pipeline e sistemi di valutazione.
- Formulare problemi aziendali ben definiti come problemi di ML; definire requisiti di dati, architetture di modelli, metriche di valutazione e piani di sperimentazione.
- Guidare progetti di scienza applicata end-to-end, dalla prototipazione alla valutazione offline, A/B testing e distribuzione in produzione, con crescente autonomia.
- Pubblicare ricerche in conferenze di alto livello (NeurIPS, ICML, KDD, AAAI) e contribuire a depositi di brevetti.
- Alzare il livello tecnico attraverso revisioni del codice, feedback sul design e sessioni di condivisione della conoscenza.
- Collaborare con ingegneri, product manager e stakeholder aziendali per tradurre capacità scientifiche in funzionalità rivolte ai clienti; comunicare risultati a pubblici tecnici e non tecnici.
- Rimanere aggiornato con la ricerca AI/ML all'avanguardia; identificare e proporre opportunità per applicare tecniche emergenti a problemi esistenti.
- Seguire e contribuire alle migliori pratiche per la sperimentazione, la validazione dei modelli e lo sviluppo responsabile dell'AI.
Informazioni sul team:
Il team AWS Applied AI Solutions costruisce applicazioni aziendali che sfruttano l'expertise operativa di Amazon per risolvere sfide reali nella catena di approvvigionamento per milioni di aziende. Operiamo come una startup all'interno di AWS, muovendoci rapidamente e spedendo iterativamente utilizzando tecnologie AI all'avanguardia. Investiamo nella tua crescita attraverso mentorship da scienziati senior, supporto per la pubblicazione di conferenze e gruppi di lettura scientifica interni.
Qualifiche di base:
- PhD in informatica, ingegneria informatica o campo correlato.
- Esperienza nell'applicazione di modelli teorici in un ambiente applicato.
- Esperienza nell'implementazione di algoritmi utilizzando sia toolkit che codice sviluppato autonomamente.
- Esperienza nella costruzione di modelli di machine learning o nello sviluppo di algoritmi per applicazioni aziendali.
- Esperienza con o esposizione a AI generativa, modelli di linguaggio di grandi dimensioni (LLM) o sistemi di AI agentica.
Qualifiche preferite:
- Esperienza con la previsione della domanda, modellazione delle serie temporali o ottimizzazione della catena di approvvigionamento.
- Esperienza pratica nella costruzione di pipeline AI agentiche.
- Esperienza nella progettazione e analisi di test A/B su larga scala.
- Capacità dimostrata di tradurre problemi aziendali ambigui in soluzioni ML ben definite.
- Pubblicazioni in conferenze di alto livello o venue equivalenti.
- Esperienza con sistemi distribuiti su larga scala.
- Forti capacità di comunicazione scritta e verbale; capacità di presentare lavori tecnici a stakeholder non tecnici.
Applied Scientist, Amazon Supply Chain datore di lavoro: Amazon
Amazon è un datore di lavoro eccezionale, offrendo un ambiente di lavoro innovativo e inclusivo che promuove la crescita professionale. Con opportunità di sviluppo continuo e un forte focus sulla soddisfazione del cliente, i dipendenti possono contribuire a eventi di shopping straordinari in Australia e Singapore, lavorando a stretto contatto con team diversificati per realizzare campagne personalizzate. La cultura aziendale incoraggia l'analisi dei dati e l'innovazione, rendendo ogni giorno un'opportunità per fare la differenza.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Applied Scientist, Amazon Supply Chain
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su Amazon
Non dimenticare di candidarti direttamente sul sito di Amazon! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come Applied Scientist, Amazon Supply Chain
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Amazon. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Amazon. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Amazon
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.
