Data elmi üzrə təcrübəçi

Təsvir

• Müştəri davranışının proqnozlaşdırılması üzrə maşın öyrənməsi modellərinin (Churn, Next Best Product/Offer, Customer Lifetime Value və s.) hazırlanması və təkmilləşdirilməsi prosesində iştirak etmək;
• Müştəri məlumatlarının təmizlənməsi, emalı və ilkin təhlilini (EDA) həyata keçirmək, əsas tendensiyaları və qanunauyğunluqları müəyyənləşdirmək;
• Data Science komandasının dəstəyi ilə maşın öyrənməsi modellərinin hazırlanması, test edilməsi və nəticələrinin qiymətləndirilməsində iştirak etmək;
• Müştəri seqmentasiyası, məhsul təkliflərinə meyillilik (Propensity Scoring) və digər analitik layihələr üzrə araşdırmalar aparmaq və sadə prototiplərin hazırlanmasına dəstək vermək;
• Mövcud modellərin performans göstəricilərinin (AUC, Gini, Precision, Recall və s.) təhlili və monitorinqi prosesində iştirak etmək.

Tələblər

• İqtisadiyyat, Riyaziyyat, Statistika, Kompüter Elmləri, İnformasiya Texnologiyaları və ya digər əlaqəli sahələr üzrə ali təhsil (son kurs tələbələri də müraciət edə bilərlər);
• Data Science, Machine Learning və müştəri analitikası sahələrinə maraq və bu istiqamətdə inkişaf etmək istəyi;
• Maşın öyrənməsinin əsas anlayışları (reqressiya, təsnifat, modelin qiymətləndirilməsi və s.) üzrə nəzəri biliklər;
• Statistika və ehtimal nəzəriyyəsinin əsasları, statistik testlər və məlumatların təhlili üzrə ilkin biliklər
• Python proqramlaşdırma dili üzrə baza bilikləri;
• SQL üzrə baza bilikləri (SELECT, JOIN, GROUP BY və s.);
• Məlumatların təmizlənməsi, ilkin təhlili (EDA) və nəticələrin şərh edilməsi barədə ümumi anlayış;
• Tableau, Power BI və ya digər məlumat vizuallaşdırma alətləri ilə tanışlıq əlavə üstünlükdür;
• Git və versiya nəzarəti sistemləri haqqında ilkin anlayış əlavə üstünlükdür;
• Churn, NBP/NBO və digər müştəri analitikası modelləri haqqında məlumatlılıq əlavə üstünlükdür;
• Analitik düşüncə və problemlərə sistemli yanaşma bacarığı;
• Detallara diqqət və tapşırıqların dəqiqliklə yerinə yetirilməsi;
• Öyrənməyə həvəs, təşəbbüskarlıq və özünüinkişafa motivasiya;
• Effektiv ünsiyyət və komandada işləmə bacarığı;
• Dəyişən şəraitə uyğunlaşmaq və yeni texnologiyaları sürətlə mənimsəmək bacarığı;
• Vaxtın düzgün idarə edilməsi, məsuliyyətlilik və işə ciddi yanaşma.

İş təcrübəsi tələb olunmur. Universitet layihələri, şəxsi Data Science layihələri, Kaggle yarışlarında iştirak və ya müvafiq təlimlərin tamamlanması vacibdir.