시니어 데이터 사이언티스트, CTV 오디언스 모델링 — Titan OS(바르셀로나 하이브리드)
Titan OS의 커넥티드 TV 광고 플랫폼을 위한 예측 오디언스 모델을 개발합니다. 표본 이론과 머신러닝을 활용해 불완전한 데이터에서 고객 모집단을 추정합니다.
설명
- 시드 오디언스와 표본 오디언스를 더 광범위한 커넥티드 TV 모집단의 고가치 코호트로 확장한다
- 가중치, 보정, MRP 및 계층적 기법을 사용해 불완전하거나 대표성이 부족한 표본에서 안정적으로 외삽한다
- 성향, 분류, 유사도, 랭킹 및 양성-미표지 모델을 개발해 시드 오디언스와 높은 친화도를 보이는 사용자를 찾는다
- 대규모 이벤트 데이터에서 신뢰할 수 있는 행동 및 맥락 특성을 설계하고 타깃 누수와 모델 불안정성을 제한한다
- 선택 편향, 커버리지 공백 및 공변량 시프트를 조사하고 오디언스 추정의 불확실성을 설명한다
- 홀드아웃, 시간 및 지역 테스트, 실제 캠페인 결과를 통해 리프트, 정밀도와 재현율, 보정 및 안정성을 평가한다
- 버전 관리, 드리프트 감지, 모니터링 및 재학습을 갖춘 확장 가능한 파이프라인으로 성공적인 모델을 배포한다
- 제품, 커머셜 및 엔지니어링 팀과 협업하며 데이터 팀 전반에 엄격한 모델링 기준을 수립한다
지원 자격
- 데이터 과학, 응용 통계, 정량 연구, 계량경제학 또는 밀접한 관련 분야에서 8년 이상의 실무 경력을 보유한다
- 표본 이론, 추정, 추론, 확률, 불확실성 정량화 및 실험 설계를 아우르는 깊이 있는 통계 지식을 보유한다
- 사후 층화, 반복 비례 적합, 보정 또는 성향 가중치, 계층 모델이나 MRP를 사용해 표본을 모집단으로 일반화한 풍부한 경험이 있다
- 시드 오디언스, CRM 또는 고객 표본, 알려진 전환 사용자를 기반으로 성향, 분류, 유사도, 랭킹 또는 양성-미표지 방법을 활용해 유사 오디언스 모델을 개발한 실무 경험이 있다
- GLM, XGBoost 또는 LightGBM, 앙상블, 임베딩 및 대규모 행동 데이터셋 전반에 고급 머신러닝과 특성 엔지니어링을 적용할 수 있다
- 리프트 또는 게인, precision@K 또는 recall@K, 확률 보정, A/B 테스트, 안정성 분석 및 드리프트 모니터링으로 모델을 검증할 수 있다
- scikit-learn, pandas 및 NumPy를 포함한 Python과 SQL을 능숙하게 사용한다
- 대규모 클라우드 데이터 플랫폼과 프로덕션 머신러닝 또는 MLOps 경험이 있으면 우대한다
- 명확하게 소통하며 탄탄한 정량적 기초를 갖추고 있다
- 관련 정량 분야의 학사 또는 석사 학위를 보유한다. 박사 학위는 우대하지만 필수는 아니다
복리후생
- 경쟁력 있는 보상
- 민간 건강보험
- 친근하고 다양하며 국제적인 근무 환경
- 빠르게 성장하는 커넥티드 TV 업계에서 도전적인 업무를 수행하며 전문성을 발전시킬 기회
- 자금력이 충분한 고성장 기업에 초기 멤버로 합류해 수백만 명에게 영향을 미칠 것으로 예상되는 제품과 비즈니스를 함께 만들어 갈 기회