Senior Data Scientist

Должность: Senior Data Scientist Местоположение: Варшава / pl / Удаленно

Создание и улучшение моделей предсказания стоимости ставок (bid-landscape models) для оценки распределения цены клиринга на основе частично наблюдаемых данных аукционов. Разработка моделей оценки вероятности выигрыша в реальном времени, реагирующих на динамику цен ставок. Проектирование и внедрение иерархических моделей оценки прироста (lift estimation models) со стратегиями выбора на основе доверительных интервалов. Создание моделей предсказания конверсии с использованием разреженных, отложенных и агрегированных меток. Разработка подходов к моделированию похожих аудиторий (look-alike audience modeling) с использованием обучения на позитивных и негативных примерах (positive-unlabeled learning) и методов ближайших соседей на основе эмбеддингов. Реализация стратегий калибровки на уровне рекламодателя с независимым мониторингом качества ранжирования и калибровки. Проектирование надежных фреймворков для оффлайн-оценки с использованием оценки обратного влияния (inverse-propensity scoring), двухкратно робастных оценщиков (doubly-robust estimators) и взвешивания по важности (importance reweighting). Определение стратегий исследования (exploration strategies) и подходов к логированию показателей влияния (propensity logging) для обеспечения надежной последующей коррекции и оценки. Разработка механизмов ограниченной оптимизации (constrained optimization) для целей кампании, ценовых ограничений и таргетирования объема. Участие в диагностике данных, оценке возможностей и предоставление обоснованных рекомендаций по моделям. Сотрудничество с командой Заказчика во время пост-запускной настройки и циклов валидации производительности. Подготовка технической документации и материалов для передачи знаний внутренним специалистам Заказчика по науке о данных. Участие в архитектурных дискуссиях и вклад в принятие решений по проектированию масштабируемой ML-платформы.

5+ лет опыта в области Machine Learning или Data Science с производственными моделями, измеренными по бизнес-KPI. Отличные навыки владения Python, включая numpy, pandas и scikit-learn. Отличные навыки владения SQL и опыт работы с большими наборами данных. Глубокий практический опыт работы с XGBoost, LightGBM или CatBoost. Глубокое понимание методов регуляризации, калибровки и обработки категориальных признаков. Глубокие знания в области вероятности, статистики, доверительных интервалов и анализа статистической мощности. Опыт инженерии признаков (feature engineering) для структурированных и поведенческих наборов данных. Практический опыт работы с Spark или PySpark. Практические знания фреймворков для экспериментов и методологий A/B-тестирования. Опыт продвинутых подходов к валидации, включая временные разбиения (temporal splits), обнаружение утечек данных (leakage detection), анализ дрейфа (drift analysis) и метрики на основе срезов (slice-based metrics). Понимание методов объяснимости, таких как SHAP и permutation importance. Английский язык на уровне Upper-Intermediate или выше.

БУДЕТ ПЛЮСОМ Опыт моделирования в AdTech, включая прогнозирование CTR/CVR, моделирование ландшафта ставок (bid-landscape modeling), сегментацию аудитории и механику RTB. Опыт работы с разреженными, отложенными или цензурированными метками. Знания в области моделирования атрибуции, анализа выживаемости и обучения на позитивных и негативных примерах (positive-unlabeled learning). Практический опыт применения методов контрфактической и внеполисной оценки (counterfactual and off-policy evaluation techniques). Понимание методов калибровки, включая изотоническую регрессию (isotonic regression) и масштабирование Платта (Platt scaling). Опыт работы с иерархическими моделями, моделями Байеса эмпирическим путем (empirical-Bayes) или частичного объединения (partial-pooling). Знания в области ограниченной или многокритериальной оптимизации (constrained or multi-objective optimization approaches). Опыт работы с моделями увеличения (uplift modeling) и методами причинно-следственного вывода (causal inference methods). Опыт работы с Vertex AI или аналогичными управляемыми средами обучения ML. Публикации, достижения в соревнованиях по моделированию или вклад в проекты с открытым исходным кодом, связанные с Machine Learning или AdTech.

ЛИЧНЫЙ ПРОФИЛЬ Сильные аналитические навыки и навыки решения проблем. Способность эффективно работать в среде с высокой степенью зависимости от данных. Сильные коммуникативные навыки и навыки управления заинтересованными сторонами. Способность объяснять сложные решения по моделированию технической и нетехнической аудитории. Проактивность и сильное чувство ответственности. Внимание к деталям и научная строгость в экспериментах и оценке.

Присоединяйтесь к Sigma Software, чтобы помочь в создании передовых решений машинного обучения для одного из крупных игроков в экосистеме программной рекламы. Мы ищем Senior Machine Learning Engineer с сильным производственным ML-опытом и глубоким интересом к системам оптимизации в реальном времени, крупномасштабным поведенческим данным и задачам AdTech. На этой должности вы будете работать с выделенной командой Sigma Software над платформой предиктивного моделирования, интегрированной с активной рекламной биржей, обрабатывающей сотни миллионов запросов на аукцион ежедневно. Вы будете вносить вклад в сложные ML-решения, связанные с оптимизацией ставок, калибровкой, контрфактической оценкой и системами принятия ограниченных решений. Мы как компания предлагаем возможность работать над технически сложными продуктами, сотрудничать с опытными инженерами и специалистами по данным, а также оказывать прямое влияние на крупномасштабные производственные системы.

ЗАКАЗЧИК Наш Заказчик — технологическая компания, управляющая инфраструктурой со стороны поставщика (supply-side) в экосистеме программной рекламы. Компания управляет крупномасштабной платформой рекламной биржи и инвестирует в возможности предиктивного принятия решений для улучшения эффективности рекламы, таргетинга аудитории и оптимизации кампаний с помощью передовых технологий машинного обучения.

ПРОЕКТ Проект фокусируется на создании платформы предиктивного моделирования и оптимизации поверх активной среды рекламной биржи. Платформа оценивает и фильтрует рекламные предложения в реальном времени, прогнозирует высокоэффективные контексты аудитории, создает похожие аудитории из небольших исходных наборов данных и оптимизирует производительность кампаний по нескольким бизнес-целям и операционным ограничениям. Команда работает над сложными задачами машинного обучения, включая моделирование ландшафта ставок с цензурированием (censored bid-landscape modeling), атрибуцию разреженных и отложенных конверсий, системы калибровки, контрфактическую оценку и модели ограниченной оптимизации. Решение предназначено для крупномасштабного производственного использования и тесного сотрудничества с внутренней организацией заказчика по науке о данных.