A Quantcast digitális hirdetésekre és közönségintelligenciára összpontosító marketing-, média- és SaaS-vállalat. Q+ nevű mesterségesintelligencia-platformja és Audience Graph rendszere támogatja a mérést, a célzást és a programozott médiavásárlást a connected TV, audio-, video-, display-, mobil- és natív csatornákon. A Quantcast emellett sütik nélküli hirdetési megoldásokat és kiadóknak szánt eszközöket fejleszt, valamint olyan ágazatok hirdetőit, ügynökségeit és vállalkozásait szolgálja ki, mint a közvetlen fogyasztói értékesítés, a kiskereskedelem, az utazás, a játék, a pénzügy, továbbá a B2B- és B2C-piacok.
Gépi tanulási mérnök a Quantcastnál (hibrid, Egyesült Királyság)
A Quantcast mesterséges intelligencián alapuló hirdetési platformját támogató, skálázható és valós idejű gépi tanulási rendszerek kiépítése és fejlesztése. Modellezési megközelítéseket tesztel, nagy áteresztőképességű szolgáltatásokat optimalizál, valamint tapasztalt kutatókkal és mérnökökkel dolgozik együtt.
Leírás
- Gépi tanulási alkalmazások fejlesztése, megvalósítása, tesztelése és hibakeresése
- Globális, nagyméretű rendszerek továbbfejlesztése, amelyek másodpercenként több millió valós idejű kérést kezelnek
- Kísérletek végzése új gépi tanulási és modellezési megközelítések értékelésére
- Együttműködés vezető kutatókkal és mérnökökkel a gépi tanulási modellek finomítása érdekében
- Világos, hatékony és karbantartható kód készítése a szoftverfejlesztési bevált gyakorlatoknak megfelelően
- Részvétel kódáttekintésekben és konstruktív technikai visszajelzés nyújtása
- A rendszerszűk keresztmetszetek feltárása és az összetevők optimalizálása a jobb skálázhatóság érdekében
- A szervezeten kívüli, releváns gépi tanulási fejlesztések nyomon követése
- Az akadémiai elmélet és a nagyüzemi rendszerek összekapcsolása mentorálás révén
Követelmények
- Legfeljebb két év gépi tanulási vagy alkalmazott statisztikai tapasztalat, beleértve a szakmai gyakorlatot vagy jelentős akadémiai munkát
- Felsőfokú végzettség informatikai, matematikai, szoftverfejlesztési vagy szorosan kapcsolódó területen
- Python, Java vagy hasonló programozási nyelv magabiztos ismerete
- A valószínűségszámítás, a statisztika és a hipotézisvizsgálat alapos ismerete
- A fő gépi tanulási módszerek gyakorlati ismerete, például osztályozás, regresszió, klaszterezés, rangsorolás, NLP vagy LLM-ek
- Adatfeldolgozó eszközök, köztük a Pandas és a NumPy használatában szerzett tapasztalat
- A PyTorch, Scikit-learn vagy XGBoost típusú gépi tanulási keretrendszerek ismerete
- Erős érdeklődés az elosztott rendszerek, a szoftvertervezés, a párhuzamosság, az adatstruktúrák és a szoftverfejlesztés iránt
Juttatások
- Teljesítményalapú bónuszra való jogosultság
- Részvétel a vállalati tőkerészesedési programban
- Átfogó juttatási csomag
- Gyakorlati mentorálás tapasztalt kutatóktól és mérnököktől