Titan OS
Titan OS
51 – 200 Εργαζόμενοι
B2BΜέσαΥλικό
Η Titan OS αναπτύσσει ένα ανεξάρτητο ευρωπαϊκό λειτουργικό σύστημα για συνδεδεμένες τηλεοράσεις και συνεργάζεται με κατασκευαστές τηλεοράσεων και παρόχους περιεχομένου, ώστε η θέαση να γίνεται πιο εξατομικευμένη και η πλοήγηση πιο εύκολη. Η πλατφόρμα της, με επίκεντρο το περιεχόμενο, συνδυάζει υπηρεσίες streaming και γραμμικά κανάλια, βοηθώντας τους θεατές να ανακαλύπτουν τι να παρακολουθήσουν μέσω εξατομικευμένων προτάσεων και να έχουν πρόσβαση στο περιεχόμενο με ένα μόνο τηλεχειριστήριο. Η εταιρεία προσφέρει επίσης στους κατασκευαστές συσκευών και στους ραδιοτηλεοπτικούς οργανισμούς εργαλεία για την προσαρμογή της διεπαφής, την ενσωμάτωση εφαρμογών και καναλιών και τη monetization του κοινού μέσω ευκαιριών κατανομής εσόδων.

Ανώτερος Επιστήμονας Δεδομένων, Μοντελοποίηση Κοινού CTV – Titan OS (Βαρκελώνη, Υβριδική εργασία)

Ανάπτυξη προγνωστικών μοντέλων κοινού για την πλατφόρμα διαφήμισης Connected TV της Titan OS. Χρήση της θεωρίας δειγματοληψίας και της μηχανικής μάθησης για γενίκευση πληθυσμών πελατών από ατελή δεδομένα.

Περιγραφή

  • Επέκταση κοινού-σπόρου και δειγμάτων σε τμήματα υψηλής αξίας σε ολόκληρο τον πληθυσμό Connected TV
  • Χρήση στάθμισης, βαθμονόμησης, MRP και ιεραρχικών τεχνικών για αξιόπιστη εξαγωγή συμπερασμάτων από ατελή ή μη αντιπροσωπευτικά δείγματα
  • Ανάπτυξη μοντέλων propensity, ταξινόμησης, ομοιότητας, κατάταξης και positive-unlabelled για τον εντοπισμό χρηστών με ισχυρή συνάφεια με τα κοινά-σπόρους
  • Σχεδιασμός αξιόπιστων συμπεριφορικών και συμφραστικών χαρακτηριστικών από δεδομένα γεγονότων μεγάλης κλίμακας, με περιορισμό της διαρροής στόχου και της αστάθειας του μοντέλου
  • Διερεύνηση μεροληψίας επιλογής, κενών κάλυψης και μετατόπισης συνδιακυμάνσεων, καθώς και επεξήγηση της αβεβαιότητας στις εκτιμήσεις κοινού
  • Αξιολόγηση lift, precision και recall, βαθμονόμησης και σταθερότητας μέσω holdouts, χρονικών και γεωγραφικών δοκιμών και παρατηρούμενων αποτελεσμάτων καμπανιών
  • Ανάπτυξη επιτυχημένων μοντέλων μέσω κλιμακούμενων pipelines με έλεγχο εκδόσεων, ανίχνευση drift, παρακολούθηση και επανεκπαίδευση
  • Συνεργασία με τις ομάδες Product, Commercial και Engineering, με παράλληλη θέσπιση αυστηρών προτύπων μοντελοποίησης σε όλη την ομάδα Data

Απαιτήσεις

  • Τουλάχιστον 8 χρόνια επαγγελματικής εμπειρίας στην Επιστήμη Δεδομένων, την Εφαρμοσμένη Στατιστική, την Ποσοτική Έρευνα, την Οικονομετρία ή συναφή κλάδο
  • Βαθιά στατιστική γνώση που καλύπτει τη θεωρία δειγματοληψίας, την εκτίμηση, τη συμπερασματολογία, τις πιθανότητες, την ποσοτικοποίηση αβεβαιότητας και τον πειραματικό σχεδιασμό
  • Σημαντική εμπειρία στη γενίκευση δειγμάτων σε πληθυσμούς με χρήση post-stratification, raking, calibration ή propensity weighting, ιεραρχικών μοντέλων ή MRP
  • Πρακτική εμπειρία στην ανάπτυξη ML lookalike μοντέλων από κοινά-σπόρους, δείγματα CRM ή πελατών ή γνωστούς converters, με χρήση μεθόδων propensity, ταξινόμησης, ομοιότητας, κατάταξης ή positive-unlabelled
  • Εφαρμογή προηγμένης μηχανικής μάθησης και engineering χαρακτηριστικών σε GLMs, XGBoost ή LightGBM, ensembles, embeddings και μεγάλα συμπεριφορικά σύνολα δεδομένων
  • Επικύρωση μοντέλων με lift ή gains, precision@K ή recall@K, βαθμονόμηση πιθανοτήτων, δοκιμές A/B, ανάλυση σταθερότητας και παρακολούθηση drift
  • Άνετη εργασία με Python και SQL, συμπεριλαμβανομένων των scikit-learn, pandas και NumPy
  • Η εμπειρία σε cloud πλατφόρμες δεδομένων μεγάλης κλίμακας και σε ML ή MLOps παραγωγής θεωρείται ιδιαίτερα επιθυμητή
  • Σαφής επικοινωνία και ισχυρές ποσοτικές βάσεις
  • Πτυχίο BS ή MS σε σχετικό ποσοτικό πεδίο· διδακτορικό αποτελεί πλεονέκτημα αλλά δεν απαιτείται

Παροχές

  • Ανταγωνιστικές αποδοχές
  • Ιδιωτική ασφάλιση υγείας
  • Φιλικό, ποικιλόμορφο και διεθνές εργασιακό περιβάλλον
  • Ευκαιρίες επαγγελματικής ανάπτυξης μέσω απαιτητικής εργασίας στον ταχέως αναπτυσσόμενο κλάδο της Connected TV
  • Η ευκαιρία να ενταχθείτε νωρίς σε μια καλά χρηματοδοτούμενη εταιρεία υψηλής ανάπτυξης και να συμβάλετε στη διαμόρφωση ενός προϊόντος και μιας επιχείρησης που αναμένεται να επηρεάσουν εκατομμύρια ανθρώπους