• Qiymətli veri mənbələrini tanımlamaq və toplama proseslərini avtomatlaşdırmaq, verilənlər və kod depozitarına girişləri idarə etmək;         
•  Verilənləri analiz edərək yeni irəliləmiş analitik istifadə halları və biliklər yaratmaq;
•   Proqnoz modelləri və maşın öyrənmə alqoritmləri qurmaq;
•  Trendlər və nümunələri aşkar etmək üçün böyük məlumat həcmində analiz etmək;
• Statistik analitikadan istifadə edərək uyğun veri riski örtüyünü təmin etməyə yönəlmiş eşikləri optimallaşdırmaq;     
• Stakeholderlərlə əməkdaşlıq etmək, analitik məsləhətlər və lazımi dəstəyi təmin etmək;
• Sistemləri optimallaşdırmaq üçün metodoloji dəyişikliklərini dəstəkləmək.

• Təhsil: Bakalavr dərəcəsi
• Tələb olunan iş təcrübəsi: Müvafiq sahə üzrə ən az 1 il
• Texniki bacarıqları:

Kritik Texniki Bacarıqlar: • AI / Maşın Öyrənmə • Proqnoz Analitikası •  Proqramlaşdırma / Scriptləmə • Statistik Təhlil • Verilən Modelinqi

Əsas Texniki Bacarıqlar: • Bulud Hesablama • Dərin Öyrənmə • Təbii Dil İşləmə • Böyük Məlumat İşləmə • Verilənlər Analizi • Verilənlərin Hazırlanması • Verilənlərin Əsaslandırılması • Proqnoz Analitikası • Maşın Öyrənmə Həyat Dövrü İdarəetmə

Kritik təcrübə:

• Daha geniş big data ekosistemi ilə tanış olmaq, məlumat saxlama həlləri (HDFS, NoSQL verilənlər bazaları) və məlumat emalçı çərçivələri daxil olmaqla;
•  Məlumat setinin strukturu, dəyişənləri və məzmunu haqqında əsas anlayışın inkişaf etdirilməsi;
• Mövcud çərçivələr və kitabxanalar istifadə edərək maşın öyrənmə modellərinin təlimatlandırılması;
• Optimal performans üçün model seçimi və hiperparametr tüninqi aparılması.
• Statistik, qərar ağacı modelləri, k-means qruplandırması, logistika regresiya, Nöron, random forest, xgboost kimi modellərin tətbiqi;
• Kategoriyal dəyişənləri kodlaşdırma kimi əsas məlumat transformasiya işləri.
• Əksik dəyərlərin mükəmmələşdirilməsi üçün irəli texnikaların istifadəsi;
• Biznes məqsədlərinə uyğun olan əməliyyatlı məsləhətlər və nəticələr təqdim etmə;
• Daha yüksək dəqiqlik və möhkəmlətmə üçün çoxlu modelləri birləşdirən ansambl metotlarının istifadəsi;
• Modullu və təkrarlanabilən kod yaratmaq üçün siniflər, obyektlər, miras və inkapsulyasiya kimi OOP konseptlərini öyrənmək;
• Proqramlaşdırma ilə kompleks problemləri daha küçələn, idarə edilə bilən tapşırıqlara bölmək və effektiv həllər təklif etmək;
• Biznes proqnozlaşdırma və risk qiymətləndirmə üçün statistik model tətbiqi;
• Müxtəlif məlumat modeli tətbiq etmək;
• Hər hansı bir DWH və ya Göl Mühit üçün məlumat modeli inkişaf etdirmək.