In sintesi
- Mansioni: Sviluppa modelli di machine learning e soluzioni scientifiche per problemi reali su larga scala.
- Azienda: Amazon, leader nell'innovazione tecnologica e nella logistica globale.
- Benefit: Salario competitivo, assicurazione sanitaria, lavoro remoto e opportunità di sviluppo professionale.
- Altre informazioni: Ambiente dinamico con opportunità di crescita e collaborazione tra scienziati ed ingegneri.
- Perché questo lavoro: Unisciti a un team innovativo e contribuisci a plasmare il futuro della rete di distribuzione di Amazon.
- Qualifiche: PhD in un campo quantitativo e esperienza nella costruzione di modelli di machine learning.
La retribuzione prevista è compresa tra 135000 - 165000 € per anno.
Sei entusiasta di applicare l'apprendimento automatico e la matematica applicata a sistemi del mondo reale su larga scala? Come Scienziato Applicato in questo team recentemente formato, collaborerai a stretto contatto con scienziati e ingegneri per portare la ricerca in produzione attraverso un ampio portafoglio di problemi — dalle piattaforme di percezione della visione artificiale all'ottimizzazione e orchestrazione a livello di edificio.
Responsabilità chiave del lavoro:
- Progettare, sviluppare e implementare soluzioni ML e scientifiche che spaziano dall'apprendimento automatico classico, modellazione statistica, visione artificiale, ottimizzazione e modellazione informata dalla fisica in ambienti di produzione.
- Acquisire rapidamente familiarità con domini problematici sconosciuti, inquadrare problemi aziendali ambigui come sfide scientifiche trattabili e prototipare soluzioni end-to-end.
- Autore o co-autore di risultati di ricerca per venue peer-reviewed interne o esterne e fornire feedback tra pari su procedure e risultati di ricerca tra i team.
- Prototipare e valutare hardware di rilevamento e modelli leggeri, deployabili ai margini, che funzionano su calcolo commerciale sotto vincoli del mondo reale.
- Collaborare con più team di scienza e ingegneria per integrare le tue soluzioni nell'architettura di distribuzione, facendo da mentore a scienziati meno esperti lungo il percorso.
Un giorno nella vita:
Potresti iniziare la tua mattina rivedendo i risultati degli esperimenti da una corsa di addestramento del modello notturna, poi passare a una discussione di design con gli ingegneri su come distribuire un nuovo modello di visione artificiale su hardware edge in un centro di adempimento. Dopo pranzo, potresti prototipare un approccio di ottimizzazione informato dalla fisica, scrivere risultati per un articolo di ricerca o collaborare con un compagno per risolvere un difficile pipeline di dati.
Informazioni sul team:
Il nostro team si trova all'interno dell'organizzazione tecnologica di adempimento di Amazon e applica una gamma di discipline scientifiche — inclusa la visione artificiale, l'ottimizzazione, l'apprendimento per rinforzo e la modellazione statistica — per migliorare il modo in cui le merci si muovono attraverso la rete globale di adempimento di Amazon. Costruiamo i modelli e i sistemi che guidano l'orchestrazione in tempo reale, ottimizzando il throughput, il flusso e le prestazioni operative su larga scala.
Qualifiche di base:
- PhD in ingegneria, tecnologia, informatica, apprendimento automatico, robotica, ricerca operativa, statistica, matematica o campo quantitativo equivalente.
- 1+ anni di esperienza nella costruzione di modelli di apprendimento automatico per applicazioni aziendali.
- Esperienza nella programmazione in Java, C++, Python o linguaggio correlato.
- Solida base in matematica applicata, statistica e apprendimento automatico, con la versatilità di lavorare su più domini problematici piuttosto che su una singola specializzazione.
- Esperienza con framework di deep learning popolari (ad es., PyTorch, TensorFlow) e il stack scientifico Python (ad es., NumPy, SciPy, scikit-learn, pandas).
Qualifiche preferite:
- Esperienza nello sviluppo software professionale.
- Pubblicazioni in venue peer-reviewed (ad es., CVPR, NeurIPS, ICML, ICLR, o le principali venue nella disciplina di appartenenza del candidato).
Amazon è un datore di lavoro che offre pari opportunità e non discrimina sulla base dello stato di veterano protetto, disabilità o altro stato legalmente protetto.
Applied Scientist II, Computational Modeling, OMHS SCS datore di lavoro: Amazon
Amazon Italia Logistica S.R.L. è un datore di lavoro eccezionale, offrendo un ambiente dinamico e innovativo dove i dipendenti possono crescere professionalmente e contribuire a progetti significativi. Con un forte focus sulla sicurezza e sul miglioramento continuo, i membri del team hanno accesso a opportunità di formazione e sviluppo, rendendo questa posizione non solo gratificante ma anche fondamentale per il successo della rete Amazon in Italia.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Applied Scientist II, Computational Modeling, OMHS SCS
✨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 II, Computational Modeling, OMHS SCS
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.
