Arpeely
Arpeely
Az Arpeely gépi tanuláson alapuló szoftvereket fejleszt digitális médiavásárláshoz, és segít a hirdetőknek értékes forgalmat találni kezelt kampányok és valós idejű licitálás (RTB) révén. Autonóm médiamotorja célzottan éri el, majd újra megcélozza a közönségeket, alkalmazkodik a kampányok jelzéseihez, és betekintést nyújt a felhasználói érték időbeli alakulásába. A hirdetési tőzsdékhez közvetlenül kapcsolódó platform csalásra és alacsony vásárlási szándékra utaló jeleket keres a forgalomban. Az Arpeely tevékenysége a szoftverfejlesztést, a csaláskutatást, a mesterséges intelligenciát, az adattudományt és a digitális marketinget kapcsolja össze.

Szenior adattudós csapatvezető

Vezesse és mentorálja az adattudósok csapatát, és irányítson nagy léptékű gépi tanulási kezdeményezéseket. Fejlesszen adatmegoldásokat az Arpeely programmatic hirdetési motorjához és az Ace AI böngészőhöz.

Leírás

  • Mentorálja és irányítsa az adattudósok csapatát.
  • Vezesse a projekteket a kezdeti tervezéstől a megvalósításig, strukturált és automatizált megoldásokat létrehozva.
  • Az üzleti igényeket kielégítő megoldások megtervezésével és rangsorolásával alakítsa ki az adatstratégiát.
  • Elemezzen nagy és változatos adathalmazokat, és fejlesszen algoritmusokat és modelleket összetett problémák megoldására.
  • Javasoljon adattudományi és algoritmikus megközelítéseket a termékkezdeményezésekhez.
  • Mutassa be a műszaki koncepciókat és az elemzések következményeit a felső vezetőknek, és dolgozzon együtt más csapatokkal a teljesítmény javításáért.
  • Működjön együtt a vezetéssel, a K+F-fel, a termékcsapattal és más részlegekkel a döntések megalapozásához.

Követelmények

  • Legalább két év csapatvezetői tapasztalat.
  • Legalább négy év gyakorlati elemzési tapasztalat big data vállalkozásoknál, lehetőleg B2C vállalatnál.
  • Gyakorlatias és kíváncsi hozzáállás az algoritmusokhoz, az adatokhoz és az üzleti problémákhoz.
  • Erős elemzőkészség és nagy, összetett adathalmazok lekérdezésében szerzett tapasztalat.
  • A statisztikai szignifikancia alapos ismerete.
  • Gyakorlati tapasztalat gépi tanulási algoritmusokkal, Pythonnal és olyan adatvizualizációs eszközökkel, mint a Tableau vagy a Looker.
  • Matematika, statisztika, mérnöki tudományok, informatika vagy más kvantitatív szakterület terén szerzett alap- vagy magasabb fokozat.
  • Képes önállóan tanulni, több feladatot kezelni és autonóm módon dolgozni.
  • Proaktív és találékony problémamegoldás.
  • Kiváló írásbeli és szóbeli kommunikációs készség.
  • A reklámtechnológiai iparág ismerete előnyt jelent.
  • Valós idejű gépi tanulási és adatbányászati algoritmusok nagy léptékű környezetben történő megvalósításában szerzett tapasztalat előnyt jelent.
  • Együttműködő, és kellemes vele dolgozni.

Kapcsolódó állások

Mobileye

Adatmenedzser, LiDAR és radar | Mobileye

Mobileye

Koordinálja a LiDAR- és radaradatokkal kapcsolatos igényeket, irányítópultokat és munkafolyamatokat a Mobileye-nál. Támogassa az önvezető algoritmusokat Pythonnal, Jirával és mesterséges intelligenciával segített adatelemzéssel.

Megnyitás
Stampli

Szenior adattudós, mesterséges intelligencia és LLM-ek

Stampli
201 – 500 Alkalmazottak
B2BFintech

Vezesse a mesterséges intelligencia, a gépi tanulás és az LLM-megoldások fejlesztését és éles bevezetését a Stampli pénzügyi műveleteket támogató platformján. A munkakör része a modellek értékelése, az adattudósok mentorálása, valamint heti három nap munka a tel-avivi irodában.

Megnyitás
ActiveFence

Senior GenAI adattudós az ActiveFence-nél (hibrid, Izrael)

ActiveFence

Senior GenAI adattudós pozíció automatizált red teamingre, gépi tanulásra és nagyméretű adatelemzésre összpontosítva. Olyan rendszereket építhet, amelyek segítenek az új biztonsági fenyegetések azonosításában az online élményekben és az MI-termékekben.

Megnyitás
Papaya Global

Növekedési adatelemző, mobiljáték - Papaya Global

Papaya Global
501 – 1000 Alkalmazottak
FintechLogisztikaTanácsadás

Vezesd a növekedési elemzéseket a Papaya Global valódi pénzes mobiljáték-platformján churn-, ügyfél-élettartamérték-, életciklus- és ajánlórendszer-modellek fejlesztésével. Alkalmazd ezeket a modelleket a játékosok elköteleződésének, monetizációjának és megtartásának javítására.

Megnyitás