Sigma Software Group е мултинационална технологична консултантска компания, основана през 2002 г. Нейните екипи предоставят разработка на софтуер, графичен дизайн, тестване и техническа поддръжка на клиенти в сектори, сред които автомобилна индустрия, здравеопазване, телекомуникации, авиация, банково дело, игрална индустрия, недвижими имоти и реклама. Компанията наема IT специалисти за работа по сложни инженерни проекти и подкрепя професионалното развитие чрез менторство и непрекъснато обучение. Възможностите за дистанционна работа са част от нейния работен модел, а проектите обслужват организации като AstraZeneca, Scania и SAS.
Старши специалист по данни – програматична реклама (дистанционна работа, Германия/Полша)
Изграждайте системи за машинно обучение и оптимизация в реално време за програматична реклама. Разработвайте прогнозни модели за наддаване, таргетиране на аудитории, реализации, калибриране и ефективност на кампаниите.
Описание
- Разработвайте цензурирани модели на аукционния пейзаж за оценяване на разпределенията на клиринговите цени от частично наблюдавани аукционни данни
- Създавайте модели за вероятност от спечелване в реално време, които се адаптират към динамиката на цените при наддаване
- Проектирайте йерархични модели за оценка на приращението със стратегии за избор, базирани на граници на доверие
- Изграждайте модели за склонност към реализация от редки, забавени и само агрегирани етикети
- Разработвайте модели за сходни аудитории чрез обучение с положителни и неетикетирани данни и методи на най-близките съседи, базирани на embedding представяния
- Прилагайте стратегии за калибриране на ниво рекламодател и независимо оценявайте качеството на класирането и калибрирането
- Проектирайте рамки за офлайн оценка чрез оценяване с обратна склонност, двойно робастни оценители и претегляне по важност
- Определяйте стратегии за изследване и методи за регистриране на склонността в подкрепа на надеждната корекция и оценка
- Разработвайте методи за ограничена оптимизация на целите на кампаниите, ценовите ограничения и таргетирането на обем
- Подпомагайте диагностиката на данни, оценките на възможностите и препоръките за модели, основани на доказателства
- Работете с екипа за клиенти по настройването след стартиране и валидирането на ефективността
- Подготвяйте техническа документация и материали за трансфер на знания към вътрешния екип по наука за данните на клиента
- Допринасяйте към дискусиите за архитектурата и решенията за мащабируема платформа за машинно обучение
Изисквания
- Поне пет години опит в машинното обучение или науката за данните с внедряване на продукционни модели, измервани спрямо бизнес KPI
- Отлични умения по Python, включително NumPy, pandas и scikit-learn
- Силни умения по SQL и опит с обработка на мащабни набори от данни
- Практически опит с XGBoost, LightGBM или CatBoost
- Задълбочени познания по регуляризация, техники за калибриране и обработка на категорийни характеристики
- Солидна основа по вероятности, статистика, доверителни интервали и анализ на статистическата мощност
- Опит с конструиране на характеристики от структурирани и поведенчески данни
- Практически опит със Spark или PySpark
- Практическо разбиране на рамки за експерименти и A/B тестване
- Опит с усъвършенствани методи за валидация, включително времеви разделяния, откриване на изтичане на данни, анализ на дрейф и метрики по сегменти
- Познаване на методи за обяснимост като SHAP и пермутационна важност
- Английски език на горно средно ниво или по-високо
- Силни аналитични умения и умения за решаване на проблеми
- Ефективност в силно ориентирана към данни работна среда
- Силни комуникационни умения и умения за управление на заинтересовани страни
- Способност за обяснение на сложни решения при моделирането пред техническа и нетехническа аудитория
- Проактивен подход и силно чувство за отговорност
- Изключително внимание към детайлите и научна строгост при експериментиране и оценяване
Придобивки
- Възможност за дистанционна работа
- Работа по технически сложни продукти
- Сътрудничество с опитни инженери и специалисти по данни
- Пряк принос към мащабни продукционни системи