Data Science gyakornok (3 hónap) – Felhőalapú automatizált munkafolyamatok elemzésekhez
Egyesült Királyság || 1189 Napok Ezelőtt
Egyesült Királyság
Leírás
Beosztás:
Data Science gyakornok (3 hónap) – Felhőalapú automatizált munkafolyamatok numerikus szimulátorok válaszainak elemzéséhez
Rólunk:
Globális technológiai vállalat vagyunk, amely energiainnovációt hajt végre egy kiegyensúlyozott bolygóért.
Az SLB-nél csodálatos technológiát készítünk, amely felszabadít az energiához való hozzáférés mindenki javára. Ez a mi célunk. Innovátorként ez a küldetésünk 100 éve. A világ legnagyobb kiegyensúlyozó intézkedése előtt állunk – hogyan csökkenthetjük egyszerre a kibocsátást és elégíthetjük ki a világ növekvő energiaigényét. Dolgozunk a válaszon. Minden nap egy lépéssel közelebb.
Kollektív jövőnk a fosszilis tüzelőanyag-ipar szén-dioxid-mentesítésén és egy új energetikai környezet megújításán múlik. Ez hajt bennünket. Haladás biztosítása az emberek és a bolygó számára a nettó nulla felé vezető úton és azon túl. Egy kiegyensúlyozott bolygóért.
Elhelyezkedés:
Abingdon, Egyesült Királyság
Munkakör összefoglalója:
Numerikus A szimuláció továbbra is az egyetlen megbízható módszer a rendszer jövőbeli állapotának előrejelzésére – legyen az időjárás, folyadékáramlás, leszállás a Marson vagy a fizika által vezérelt valósághű játék. Egy tartályszimulátort használnak a porózus közegben történő folyadékáramlás modellezésére különféle alkalmazásokhoz, beleértve a szén-dioxid-leválasztást és -tárolást, valamint a geotermikus energiarendszereket. Különféle gépi tanulási alkalmazásokat használnak a numerikus szimulátor egyes részei helyettesítésére, hogy pontosabbak és gyorsabbak legyenek. Az ezekből az ML-modellekből származó különféle bemenetek és válaszok minőségének ellenőrzése döntő fontosságú a munkafolyamat sikeréhez, és időnként nagyon időigényes lehet. A felhőalapú automatizált adatelemzési munkafolyamatok megoldhatják ezt a szűk keresztmetszetet, és zökkenőmentesen integrálhatják az új ML-szolgáltatásokat a különböző végfelhasználói munkafolyamatokba. A gyakorlat során a jelölt megtanulja, hogyan használhat dataiku-folyamatokat automatizált folyamatok beállításához a különféle ML-modellek válaszainak ellenőrzéséhez, és hogyan használja a python-t a tesztelési keretrendszer felépítéséhez. Emellett tapasztalatokat szereznek a különféle ML algoritmusok kereskedelmi tározószimulációs területen történő használatáról.
Alapvető felelősségek és kötelezettségek:
A numerikus szimuláció részeként csapata adatminőség-ellenőrzési folyamatok fejlesztésén fog dolgozni Dataiku és python használatával. A legmodernebb kereskedelmi tározószimulátor segítségével tesztelheti a fizikai és a numerikus rendszer különböző perturbációit, és adatelemző eszközök segítségével részletes, de automatizált jelentéseket készíthet. Ezt a munkafolyamatot a szervezeten belül telepítik, és a mérnökök világszerte használják majd. Kizárólag Dataiku, Python és TensorFlow programokkal fog dolgozni, és lehetőséget kap ML-folyamatok telepítésére az Azure felhőben.
Képesítések:
Utolsó előtti vagy utolsó éves hallgató, aki alapképzésben tanul vagy mesterképzés adattudományból, számítástechnikából vagy kapcsolódó területen.
Kompetenciák:
Szükséges készségek:
-
Data Science gyakornok (3 hónap) – Felhőalapú automatizált munkafolyamatok numerikus szimulátorok válaszainak elemzéséhez
Rólunk:
Globális technológiai vállalat vagyunk, amely energiainnovációt hajt végre egy kiegyensúlyozott bolygóért.
Az SLB-nél csodálatos technológiát készítünk, amely felszabadít az energiához való hozzáférés mindenki javára. Ez a mi célunk. Innovátorként ez a küldetésünk 100 éve. A világ legnagyobb kiegyensúlyozó intézkedése előtt állunk – hogyan csökkenthetjük egyszerre a kibocsátást és elégíthetjük ki a világ növekvő energiaigényét. Dolgozunk a válaszon. Minden nap egy lépéssel közelebb.
Kollektív jövőnk a fosszilis tüzelőanyag-ipar szén-dioxid-mentesítésén és egy új energetikai környezet megújításán múlik. Ez hajt bennünket. Haladás biztosítása az emberek és a bolygó számára a nettó nulla felé vezető úton és azon túl. Egy kiegyensúlyozott bolygóért.
Elhelyezkedés:
Abingdon, Egyesült Királyság
Munkakör összefoglalója:
Numerikus A szimuláció továbbra is az egyetlen megbízható módszer a rendszer jövőbeli állapotának előrejelzésére – legyen az időjárás, folyadékáramlás, leszállás a Marson vagy a fizika által vezérelt valósághű játék. Egy tartályszimulátort használnak a porózus közegben történő folyadékáramlás modellezésére különféle alkalmazásokhoz, beleértve a szén-dioxid-leválasztást és -tárolást, valamint a geotermikus energiarendszereket. Különféle gépi tanulási alkalmazásokat használnak a numerikus szimulátor egyes részei helyettesítésére, hogy pontosabbak és gyorsabbak legyenek. Az ezekből az ML-modellekből származó különféle bemenetek és válaszok minőségének ellenőrzése döntő fontosságú a munkafolyamat sikeréhez, és időnként nagyon időigényes lehet. A felhőalapú automatizált adatelemzési munkafolyamatok megoldhatják ezt a szűk keresztmetszetet, és zökkenőmentesen integrálhatják az új ML-szolgáltatásokat a különböző végfelhasználói munkafolyamatokba. A gyakorlat során a jelölt megtanulja, hogyan használhat dataiku-folyamatokat automatizált folyamatok beállításához a különféle ML-modellek válaszainak ellenőrzéséhez, és hogyan használja a python-t a tesztelési keretrendszer felépítéséhez. Emellett tapasztalatokat szereznek a különféle ML algoritmusok kereskedelmi tározószimulációs területen történő használatáról.
Alapvető felelősségek és kötelezettségek:
A numerikus szimuláció részeként csapata adatminőség-ellenőrzési folyamatok fejlesztésén fog dolgozni Dataiku és python használatával. A legmodernebb kereskedelmi tározószimulátor segítségével tesztelheti a fizikai és a numerikus rendszer különböző perturbációit, és adatelemző eszközök segítségével részletes, de automatizált jelentéseket készíthet. Ezt a munkafolyamatot a szervezeten belül telepítik, és a mérnökök világszerte használják majd. Kizárólag Dataiku, Python és TensorFlow programokkal fog dolgozni, és lehetőséget kap ML-folyamatok telepítésére az Azure felhőben.
Képesítések:
Utolsó előtti vagy utolsó éves hallgató, aki alapképzésben tanul vagy mesterképzés adattudományból, számítástechnikából vagy kapcsolódó területen.
Kompetenciák:
Szükséges készségek:
-
A hirdetés lejárt. Az alábbiakban hasonló hirdetéseket láthat
Legújabb hirdetések
2021-09-26