Científico de Datos Senior

Sobre Grubhub En Grubhub, creemos que la comida es más que una comida: Es una fuente de descubrimiento, conexión y disfrute puro. Hay un tiempo y lugar para cada tipo de plato, desde gemas de barrio ocultos a favoritos probados y verdaderos, y existimos para conectar a la gente con la comida que les encanta de todas las maneras en que les gusta cavar. Hemos estado en él desde 2004, pero ahora, como parte de Wonder, Grubhub está operando con un renovado sentido del impulso y la energía de alta velocidad de una startup de la central eléctrica. Como líder en el mercado de pedidos y entregas de EE.UU., contamos con más de 415.000 comerciantes en más de 4.000 ciudades, creando la experiencia alimentaria final elevando el pedido en línea a través de la innovadora tecnología de restaurante, plataformas fáciles de usar y una experiencia de entrega mejorada. Estamos constantemente encontrando nuevas formas de innovar, desde la entrega integrada de comestibles con comestibles alimentados por Instacart a programas exclusivos de lealtad. Únete a nuestro equipo, con base en Nueva York, Chicago y Denver, y ayúdenos a dar a nuestros comensales el valor excepcional que merecen. Acerca de la oportunidad En Wonder Data Science, nuestra misión es construir sistemas de ciencia y aprendizaje automático de datos que mejoren cómo funciona nuestro mercado, cómo los clientes experimentan la plataforma y cómo el negocio toma decisiones de alta calidad. Como científico superior de datos del personal, usted va más allá de la solución de problemas individuales — usted ayudará a configurar la dirección estratégica de la ciencia de datos aplicada, mentores científicos senior y junior, y colaborar estrechamente con la ingeniería, producto, operaciones y líderes empresariales para mover nuestras capacidades de ML y analítica hacia sistemas escalables y de producción. Usted identificará oportunidades de alto nivel en todo el negocio, incluyendo eficiencia del mercado, experiencia del cliente, exactitud de ETA, fiabilidad de cumplimiento, estrategia de precios, planificación de la oferta, pronóstico de la demanda y rendimiento operativo. Diseñarás marcos estadísticamente rigurosos para comprender el impacto causal, la señal separada del ruido, y guiarás la estrategia empresarial a través de experimentación, medición e inferencia de principios. Usted ayudará a definir cómo estructuramos las compensaciones como la experiencia del cliente vs. eficiencia operacional, velocidad vs. costo, precisión de predicción vs. impacto empresarial, movimiento métrico a corto plazo vs. salud de mercado a largo plazo, y automatización vs. juicio humano. Usted va a prototipo, experimento, influencia arquitectura, y asegurarnos de que operativamos modelos y percepciones que realmente mueven métricas de negocio - no sólo análisis que se ven bien fuera de línea. El impacto que harás • Servir como líder de pensamiento técnico en Data Science —definiendo principios, marcos y mejores prácticas para cómo Wonder utiliza datos, experimentación y aprendizaje automático para mejorar los resultados de clientes, mercados y negocios. • Mentor y entrenador de un creciente equipo de científicos de datos y contribuir al desarrollo profesional y la excelencia técnica en todo el grupo. • Impulsar la exploración de sistemas de mercado interconectados, reconociendo los bucles de retroalimentación entre el comportamiento del cliente, la confiabilidad del cumplimiento, la precisión del ETA, la fijación de precios, la planificación de suministros, la experiencia del producto y el rendimiento empresarial. • Desarrollar marcos de inferencia causal y experimentación que ayuden a Wonder a entender qué producto, operativo y cambio de mercado realmente impulsan el impacto empresarial. • Colaborar con la ingeniería para impulsar decisiones de arquitectura para capas de datos compartidas, tuberías de características, API de modelado, infraestructura de experimentación y servicios de producción ML. • Definir e implementar estrategias de experimentación robustas para cambios que mueven las métricas de negocio en entornos de alto nivel. • Champion business-impact-driven data science, integrating causal inference, experimentation, risk-aware modeling, and escalable production ML systems that learn and adapt. Lo que traes a la mesa • 8+ años de experiencia en la industria con MS o 6+ años con doctorado en estadística, economía, matemáticas aplicadas, ciencias de la computadora, ciencia de datos, aprendizaje automático, o un campo cuantitativo relacionado. • Experiencia demostrada aplicando ciencia de datos y aprendizaje automático a problemas complejos de negocio, como optimización de mercado, experiencia de cliente, pronóstico, personalización, fijación de precios, equilibrio de oferta/demand, cambios de políticas operacionales o experimentación de productos. • Experiencia profunda en inferencia causal, experimentación y modelado estadístico, incluyendo métodos tales como pruebas A/B, diferencia-en-diferencias, discontinuidad de regresión, variables instrumentales, controles sintéticos, modelado de elevación o análisis de impacto causal. • Intuición fuerte para el comercio de negocios y productos - experiencia de cliente vs. eficiencia, confianza ETA vs. riesgo de conversión, fiabilidad de cumplimiento vs. costo, crecimiento de mercado vs. calidad y optimización a corto plazo vs. salud a largo plazo. • Competencia en Python, análisis de datos, visualización y escritura de códigos escalables, de producción con diseño orientado a objetos. • Capacidad demostrada de llevar a la producción sistemas de ciencia de datos, ML o inferencia causal, asociando con ingeniería en arquitectura, implementación y monitoreo de las mejores prácticas. • Fluencia en SQL o herramientas similares para interrogar directamente los conjuntos de datos a escala de producción. • Experimente la mentoría y proporcionando dirección técnica a otros científicos, analistas o ingenieros. ¿Entendido? Incluso mejor • Experimente el diseño final a extremo de la ciencia de datos, el aprendizaje automático, la medición o los marcos de experimentación dentro del mercado, producto de consumo, cumplimiento, logística, fijación de precios, pronóstico o sistemas de operaciones. • Experiencia de diseño de estrategias de medición causal para sistemas complejos donde las decisiones de producto, mercado y operaciones interactúan entre múltiples capas. • Antecedentes de inferencia causal, econometría, modelado bayesiano, diseño experimental o medición observacional en entornos de alto ruido. • Experiencia con marcos de experimentación aplicados, incluyendo pruebas A/B, análisis de energía, efectos heterogéneos de tratamiento, métricas de vigilancia, efectos de interferencia y medición de impacto a largo plazo. • Construcción de experiencia o influenciar sistemas de producción ML que combinan modelado predictivo, medición causal, experimentación y reglas de negocio • Influencia a través de las disciplinas, capaces de alinear productos, ingeniería, operaciones, negocios y ciencias de datos en torno a un ML cohesivo, experimentación y estrategia de medición. • Experiencia definiendo estrategias y guías técnicas para la ciencia de datos, el aprendizaje automático, la experimentación o las plataformas de inferencia causal. Nuestro modelo híbrido requiere 3 días a la semana en la oficina. Dicho esto, muchos miembros del equipo eligen venir con más frecuencia para aprovechar la colaboración y la conexión en persona. Usted es bienvenido, y animado, estar en la oficina hasta 5 días a la semana si funciona para usted. #LI-Hybrid Nueva York: 240.000 dólares - 249.500 dólares anuales. Illinois: $216.000 - $224.500 por año. Wonder utiliza estructuras salariales específicas geográficas, lo que significa que el salario ofrecido puede variar dependiendo de dónde se encuentre el trabajo. La oferta salarial final tendrá en cuenta varios factores, como las habilidades del candidato, la educación, la formación, las credenciales y la experiencia. Beneficios Ofrecemos un paquete de salario competitivo incluyendo equidad y 401K. Además, proporcionamos múltiples planes médicos, dentales y de visión para satisfacer todas las necesidades de nuestros empleados, así como muchos beneficios y beneficios que no se enumeran. Una nota final En Wonder, construimos los mejores equipos mediante la contratación con un objetivo objetivo: evaluar a las personas por su potencial mientras defienden la diversidad, la equidad y la inclusión. No discriminamos por motivos de raza, color, religión, identidad o expresión de género, orientación sexual, origen nacional, edad, elegibilidad del servicio militar, estado civil, discapacidad o cualquier otra clase protegida. Como parte de nuestro compromiso con prácticas de contratación justas y compatibles, Wonder participa en el programa E-Verify del gobierno federal para confirmar la elegibilidad laboral. Si necesita un alojamiento durante el proceso de entrevista, por favor hágale saber a su reclutador. ¡Esperamos escucharte! Nos pondremos en contacto con usted vía correo electrónico o texto para programar entrevistas y compartir información sobre su candidatura.