Senior Data Scientist

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

Создание и улучшение моделей цензурированного ландшафта ставок для оценки распределений цены клиринга на основе частично наблюдаемых данных аукциона Разработка моделей оценки вероятности выигрыша в реальном времени, реагирующих на динамику ценообразования ставок Проектирование и внедрение иерархических моделей оценки прироста со стратегиями выбора на основе доверительных интервалов Создание моделей склонности к конверсии с использованием разреженных, отложенных и агрегированных по меткам данных Разработка подходов к моделированию аудиторий look-alike с использованием обучения на положительных и отрицательных примерах (positive-unlabeled learning) и методов ближайших соседей на основе вложений (embedding-based nearest-neighbor techniques) Внедрение стратегий калибровки на уровне рекламодателя с независимым мониторингом качества ранжирования и калибровки Проектирование надежных оффлайн-фреймворков оценки с использованием обратного взвешивания по вероятности (inverse-propensity scoring), двухкратно робастных оценок (doubly-robust estimators) и перевзвешивания по значимости (importance reweighting) Определение стратегий исследования (exploration) и подходов к ведению журналов вероятностей (propensity logging) для обеспечения надежной последующей коррекции и оценки Разработка механизмов ограниченной оптимизации для целей кампании, ценовых ограничений и таргетинга по объему Вклад в диагностику данных, оценку возможностей и обоснованные рекомендации по моделям Сотрудничество с командой Заказчика во время пост-запускной настройки и циклов валидации производительности Подготовка технической документации и материалов для передачи знаний внутренней команде специалистов по данным Заказчика Участие в обсуждениях архитектуры и внесение вклада в решения по проектированию масштабируемой ML-платформы.

5+ лет опыта в области машинного обучения или науки о данных с производственными моделями, измеренными по ключевым бизнес-показателям (KPI) Отличные навыки Python, включая numpy, pandas и scikit-learn Отличные навыки SQL и опыт работы с крупномасштабными наборами данных Глубокий практический опыт работы с XGBoost, LightGBM или CatBoost Глубокое понимание методов регуляризации, калибровки и обработки категориальных признаков Глубокое знание теории вероятностей, статистики, доверительных интервалов и анализа статистической мощности Опыт работы с инженерией признаков для структурированных и поведенческих наборов данных Практический опыт работы со Spark или PySpark Практические знания фреймворков экспериментов и методологий A/B тестирования Опыт работы с продвинутыми подходами валидации, включая временные разделения, обнаружение утечек (leakage detection), анализ дрейфа (drift analysis) и метрики по срезам (slice-based metrics) Понимание методов объяснимости, таких как SHAP и permutation importance Уровень английского языка Upper-Intermediate или выше БУДЕТ ПЛЮСОМ Опыт моделирования в AdTech, включая прогнозирование CTR/CVR, моделирование ландшафта ставок, сегментацию аудитории и механику RTB Опыт работы с разреженными, отложенными или цензурированными метками Знание моделей атрибуции, анализа выживаемости и обучения на положительных и отрицательных примерах (positive-unlabeled learning) Практический опыт работы с контрфактическими методами и методами оценки вне политики (off-policy evaluation) Понимание методов калибровки, включая изотоническую регрессию (isotonic regression) и калибровку Платта (Platt scaling) Опыт работы с иерархическими моделями, байесовскими моделями с эмпирическим апостериорным распределением (empirical-Bayes) или моделями с частичным объединением (partial-pooling) Знание подходов к ограниченной или многоцелевой оптимизации Опыт работы с моделями прироста (uplift modeling) и методами причинно-следственного вывода (causal inference) Опыт работы с Vertex AI или аналогичными управляемыми средами обучения ML Публикации, достижения в области соревновательного моделирования или вклад в проекты с открытым исходным кодом, связанные с машинным обучением или AdTech.

ЛИЧНЫЙ ПРОФИЛЬ Сильные аналитические навыки и навыки решения проблем Способность эффективно работать в сильно ориентированной на данные среде Сильные коммуникативные навыки и навыки управления заинтересованными сторонами Способность объяснять сложные решения по моделированию как технической, так и нетехнической аудитории Проактивный подход с сильным чувством 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 сильной экспертизой в производственном ML и глубоким интересом к системам оптимизации в реальном времени, крупномасштабным поведенческим данным и задачам AdTech. В этой роли вы будете работать с выделенной командой Sigma Software над платформой предиктивного моделирования, интегрированной с биржей рекламы в реальном времени, которая обрабатывает сотни миллионов запросов на аукцион ежедневно. Вы будете участвовать в разработке сложных ML-решений, связанных с оптимизацией ставок, калибровкой, контрфактическим анализом и системами принятия решений с ограничениями. 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 стороны предложения в экосистеме программной рекламы. Компания управляет высокомасштабируемой платформой рекламной биржи и инвестирует в возможности предиктивного принятия решений для улучшения производительности рекламы, таргетинга аудитории и оптимизации кампаний с помощью передовых технологий машинного обучения. ПРОЕКТ Проект сосредоточен на создании платформы предиктивного моделирования и оптимизации поверх биржи рекламы в реальном времени. Платформа оценивает и фильтрует рекламные предложения в реальном времени, прогнозирует высокоэффективные контексты аудитории, создает аудитории look-alike из небольших начальных наборов данных и оптимизирует производительность кампаний по нескольким бизнес-целям и операционным ограничениям. Команда работает над сложными задачами машинного обучения, включая моделирование цензурированного ландшафта ставок, 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 по науке о данных Заказчика.