A Sigma Software Group egy 2002-ben alapított multinacionális technológiai tanácsadó vállalat. Csapatai szoftverfejlesztési, grafikai tervezési, tesztelési és műszaki támogatási szolgáltatásokat nyújtanak olyan ágazatok ügyfeleinek, mint az autóipar, az egészségügy, a távközlés, a repülés, a bankszektor, a játékipar, az ingatlanpiac és a reklámipar. A vállalat informatikai szakembereket alkalmaz összetett mérnöki projekteken való munkára, és mentorálással, valamint folyamatos tanulással támogatja a szakmai fejlődést. A távmunka lehetőségei a vállalat működési modelljének részét képezik, a projektek pedig olyan szervezeteket szolgálnak, mint az AstraZeneca, a Scania és a SAS.
Senior adattudós – Programozott hirdetés (Távmunka, Németország/Lengyelország)
Valós idejű gépi tanulási és optimalizálási rendszereket épít programozott hirdetésekhez. Prediktív modelleket fejleszt licitáláshoz, közönségcélzáshoz, konverziókhoz, kalibrációhoz és kampányteljesítményhez.
Leírás
- Cenzorozott licitkörnyezeti modellek fejlesztése a részlegesen megfigyelt aukciós adatokból származó elszámolóár-eloszlások becslésére
- Valós idejű nyerési valószínűségi modellek létrehozása, amelyek alkalmazkodnak a licitárak dinamikájához
- Hierarchikus liftbecslési modellek tervezése konfidenciahatáron alapuló kiválasztási stratégiákkal
- Konverziós hajlandósági modellek építése ritka, késleltetett és kizárólag aggregált címkékből
- Hasonmásközönség-modellek fejlesztése pozitív-címkézetlen tanulással és embeddingalapú legközelebbi szomszéd módszerekkel
- Hirdetői szintű kalibrációs stratégiák megvalósítása, valamint a rangsorolás és a kalibráció minőségének független értékelése
- Offline értékelési keretrendszerek tervezése inverz propensitás pontozással, kettősen robusztus becslőkkel és fontossági újrasúlyozással
- Felderítési stratégiák és propensitásnaplózási módszerek meghatározása a megbízható korrekció és értékelés támogatására
- Korlátozott optimalizálási módszerek fejlesztése kampánycélokhoz, árkorlátokhoz és volumen célzásához
- Adatdiagnosztika, képességfelmérések és bizonyítékokon alapuló modellajánlások támogatása
- Együttműködés az Ügyfél csapatával az indulás utáni finomhangolásban és a teljesítmény validálásában
- Műszaki dokumentáció és tudásátadási anyagok készítése az Ügyfél belső adattudományi csapata számára
- Részvétel az architektúrával kapcsolatos megbeszélésekben és a skálázható gépi tanulási platformra vonatkozó döntésekben
Követelmények
- Legalább öt év gépi tanulási vagy adattudományi tapasztalat üzleti KPI-ok alapján mért éles modellek szállításában
- Haladó Python-ismeretek, beleértve a NumPy, pandas és scikit-learn használatát
- Erős SQL-ismeretek és nagy léptékű adathalmazok kezelésében szerzett tapasztalat
- Gyakorlati szakértelem az XGBoost, LightGBM vagy CatBoost használatában
- A regularizáció, a kalibrációs technikák és a kategorikus jellemzők feldolgozásának alapos ismerete
- Szilárd alapok a valószínűségszámítás, a statisztika, a konfidenciaintervallumok és a statisztikai erőelemzés terén
- Strukturált és viselkedési adatokból történő jellemzőmérnöki tapasztalat
- Gyakorlati tapasztalat a Spark vagy PySpark használatában
- A kísérleti keretrendszerek és az A/B-tesztelés gyakorlati ismerete
- Tapasztalat fejlett validációs módszerekkel, többek között időbeli felosztással, adatszivárgás-észleléssel, drift-elemzéssel és szeletalapú metrikákkal
- Az olyan magyarázhatósági módszerek ismerete, mint a SHAP és a permutációs fontosság
- Felső-középfokú vagy annál magasabb szintű angol nyelvtudás
- Erős elemző- és problémamegoldó készség
- Hatékony munkavégzés erősen adatvezérelt környezetben
- Kiváló kommunikációs és érdekeltfél-kezelési készségek
- Összetett modellezési döntések magyarázatának képessége műszaki és nem műszaki közönség számára
- Proaktív hozzáállás és erős felelősségvállalás
- Kiemelkedő részletorientáltság és tudományos alaposság a kísérletezésben és az értékelésben
Juttatások
- Távoli munkavégzési lehetőség
- Technikailag kihívást jelentő termékeken való munka
- Együttműködés tapasztalt mérnökökkel és adattudósokkal
- Közvetlen hozzájárulás nagy léptékű éles rendszerekhez