Data Science & AI/ML Lead (EDA Experience)
Level: SM
Role Overview
A hands-on Data Science and AI/ML Lead responsible for owning the end-to-end model training lifecycle, starting from EDA and feature engineering through training, evaluation, and deployment readiness. The role focuses on building reproducible, production-grade ML pipelines and ensuring data and models are optimized for performance, scalability, and reliability.
Key Responsibilities
1. Exploratory Data Analysis & Model Development
· Translate business problems and Use cases into model-ready ML formulations.
· Perform deep EDA and data profiling to understand patterns, data quality, and feature relevance
· Define feature engineering strategy aligned to model performance objectives
· Ensure reproducibility through dataset versioning and experiment tracking
· Define pipeline strategy for continuous retraining and validation.
· Train and optimize models for classification, regression, clustering, and anomaly detection, LLM/SLM Pretraining and Finetuning, etc.
· Perform hyperparameter tuning and model selection for optimal performance
· Drive trade-offs across accuracy, latency, cost, and interpretability
3. Scoring, Evaluation & Benchmarking
· Define evaluation and scoring frameworks for Datasets and certify for AI Readiness (Model Training)
· Conduct error analysis and benchmarking across datasets and model versions
· Establish acceptance thresholds and quality gates for production readiness.
4. Scalable ML & MLOps Enablement
· Enable ML lifecycle practices including model versioning, tracking, and monitoring
· Work with cloud platforms (Azure/AWS/GCP) for scalable training and deployment
· Collaborate with engineering teams to ensure production-grade integration
· Optimize platform performance, reliability, and scalability.
Required Capabilities / Skills / Experience
· 12+ years in Data Science / Machine Learning with strong hands-on experience
· Strong expertise in Python and ML/DL frameworks (scikit-learn, PyTorch, TensorFlow)
· Deep experience in EDA, feature engineering, and model training pipelines
· Experience building production-grade ML pipelines and evaluation frameworks
· Exposure to cloud ML platforms (Azure/Vertex/SageMaker)
· Experience with large-scale data processing and distributed training
· Hands-on experience with classical ML algorithms (Decision Trees, Random Forest, XGBoost, Gradient Boosting etc.)
· Exposure to LLM/SLM training or fine-tuning techniques (PEFT, LoRA, fine-tuning workflows)
· Exposure to LLM / GenAI workflows as integration points
· Familiarity with data quality, labelling, and dataset curation at scale
· Strong problem-solving and system thinking skills.
เกี่ยวกับเรา:
ค็อกนิแซนท์ (NASDAQ: CTSH) เป็นผู้ให้บริการด้านเทคโนโลยีและ AI Builder ที่ทำหน้าที่เชื่อมโยงการลงทุนด้าน AI เข้ากับมูลค่าทางธุรกิจขององค์กร ผ่านการพัฒนาโซลูชัน AI แบบฟูลสแตกให้กับลูกค้า ด้วยความเชี่ยวชาญเชิงลึกในอุตสาหกรรม กระบวนการ และวิศวกรรม เรานำบริบทเฉพาะของแต่ละองค์กรไปผสานเข้ากับระบบเทคโนโลยี เพื่อเพิ่มศักยภาพของมนุษย์ สร้างผลลัพธ์ที่จับต้องได้ และช่วยให้องค์กรระดับโลกก้าวนำหน้าในโลกที่เปลี่ยนแปลงอย่างรวดเร็ว ดูข้อมูลเพิ่มเติมได้ที่ www.cognizant.com หรือ @cognizant
ข้อมูลการจ้างงานเพิ่มเติม
ข้อมูลเกี่ยวกับค่าตอบแทนมีความถูกต้อง ณ วันที่ประกาศรับสมัครงานนี้ Cognizant ขอสงวนสิทธิ์ในการแก้ไขข้อมูลดังกล่าวได้ตลอดเวลา ภายใต้กฎหมายที่เกี่ยวข้อง
ผู้สมัครอาจถูกขอให้เข้ารับการสัมภาษณ์แบบพบตัวต่อตัวหรือผ่านการประชุมทางวิดีโอ นอกจากนี้ ผู้สมัครอาจถูกขอให้นำเอกสารประจำตัวที่ออกโดยหน่วยงานของรัฐ หรือบัตรประจำตัวที่ออกโดยรัฐบาลซึ่งยังมีผลบังคับใช้ มาแสดงในระหว่างการสัมภาษณ์แต่ละครั้ง
Cognizant เป็นนายจ้างที่ให้โอกาสอย่างเท่าเทียม การสมัครและการพิจารณาคุณสมบัติของคุณจะไม่ถูกตัดสินจากเชื้อชาติ สีผิว เพศ ศาสนา ความเชื่อ รสนิยมทางเพศ อัตลักษณ์ทางเพศ สัญชาติ ความพิการ ข้อมูลทางพันธุกรรม การตั้งครรภ์ สถานะทหารผ่านศึก หรือคุณลักษณะอื่นใดที่ได้รับการคุ้มครองตามกฎหมายของรัฐบาลกลาง รัฐ หรือท้องถิ่น
