Úta Scientist 1
Savienotās Valstis || 186 Dienas Pirms
Kategorija :Inženierzinātnes
Valsts :Savienotās Valstis
PNNL - Richland Campus
publicēšanas datums :2024-03-26
Apraksts
Pārskats Fizisko un skaitļošanas zinātņu direktorāta (PCSD) pētnieki vada lielus pētniecības darbus eksperimentālajā un teorētiskajā saskarnes ķīmijā, ķīmiskajā analīzē, augstas enerģijas fizikā, saskarnes katalīzē, daudzfunkcionālos materiālos un integrētā augstas veiktspējas jomā. un datu ietilpīga skaitļošana. PCSD ir PNNL’ galvenais pārzinis pētniecībā, ko atbalsta Enerģētikas departamenta Enerģētikas pamatzinātņu biroji, progresīvās zinātniskās skaitļošanas izpētes un kodolfizikas nodaļas Enerģētikas departamenta Zinātnes biroja ietvaros. Turklāt direktorāta darbinieki veic pētniecību un izstrādi privātajai nozarei un citām valsts aģentūrām, piemēram, Aizsardzības departamentam un NASA. Direktorāta pētnieki ir starpdisciplināru komandu dalībnieki, kas risina valsts nozīmes izaicinājumus, kas aptver visas Enerģētikas departamenta misijas. Pienākumi Izstrādā, izstrādā un ievieš metodes, procesus un sistēmas dažādu datu analīzei. Lieto zināšanas par statistiku, mašīnmācību, progresīvu matemātiku, simulāciju, programmatūras izstrādi un datu modelēšanu, lai integrētu un notīrītu datus, atpazītu modeļus, novērstu nenoteiktību, uzdotu jautājumus un veiktu atklājumus no strukturētiem un/vai nestrukturētiem datiem. Ražo risinājumus, kuru pamatā ir izpētes datu analīze no sarežģītām un augstas dimensijas datu kopām. Izstrādā, izstrādā un novērtē prognozējošos modeļus un uzlabotus algoritmus, kas nodrošina optimālu vērtību ieguvi no datiem. Parāda spēju pārnest prasmes dažādās lietojumprogrammu jomās. Kvalifikācijas Minimālās kvalifikācijas : BS/BA vai augstāka vēlamā kvalifikācija: prasme skaitļošanas ķīmijā un ķīmiskā formātā, īpaši modelēšanā un simulācijas datu integrācijā, koncentrējoties uz grafu vai konvolucionālo neironu tīklu izstrādi, kas pielāgoti mazām molekulām un proteīnu strukturālajiem datiem. Labas zināšanas par dažādiem mašīnmācīšanās algoritmiem un pakotnēm, tostarp, bet ne tikai, regresijas un klasifikācijas algoritmiem, uzraudzītām/nepārraudzītām mācību metodēm, Random Forest, SVM un dažādiem neironu tīkliem. Būtiska ir pieredze ar padziļinātām mācīšanās ietvariem, piemēram, sci-kit Learn, MATLAB, theano, Torch un TensorFlow. Liela pieredze darbā Unix/Linux vidēs un augstas veiktspējas skaitļošanas (HPC) un mākoņdatošanas iestatījumos. Augsta līmeņa programmēšanas valodu, piemēram, Python, R un Matlab, prasme ir ļoti svarīga. Augsti tiks novērtētas pamatzināšanas vai pieredze autonomajā zinātnē, AI/ML, datu zinātnē un dabiskās valodas apstrādē, kā arī pamatzināšanas ķīmijā, materiālzinātnē, ķīmiskā formātā un skaitļošanas ķīmijā/bioloģijā. Pieredze priekšgala tehnoloģijās (HTML, CSS, JavaScript) un ietvaros (React, Angular, Vue.js). Nepieciešamas arī fona izstrādes prasmes servera puses valodās (Node.js, Python, Ruby on Rails). Spēcīga izpratne par programmatūras inženierijas koncepcijām, tostarp dizaina modeļiem,
Reklāmas derīguma termiņš ir beidzies. Tālāk varat redzēt līdzīgas reklāmas
2023-11-11
£15,000 - £20,000
2021-09-26
£45,000 - £50,000
2021-09-26
£45,000 - £50,000