Quantcast to firma z branży marketingowej, medialnej i SaaS, koncentrująca się na reklamie cyfrowej oraz analizie odbiorców. Jej platforma AI Suite (Q+) i Audience Graph wspierają pomiar skuteczności, targetowanie i programmatic na kanałach connected TV, audio, wideo, display, mobile i native. Quantcast rozwija również rozwiązania reklamowe niewymagające plików cookie oraz narzędzia dla wydawców, obsługując reklamodawców, agencje i firmy z takich sektorów jak sprzedaż bezpośrednio do konsumentów, handel detaliczny, turystyka, gry, finanse oraz rynki B2B i B2C.
Inżynier uczenia maszynowego w Quantcast (praca hybrydowa, Wielka Brytania)
Twórz i rozwijaj skalowalne systemy uczenia maszynowego działające w czasie rzeczywistym dla opartej na AI platformy reklamowej Quantcast. Testuj podejścia do modelowania, optymalizuj wysokowydajne usługi i współpracuj z doświadczonymi naukowcami oraz inżynierami.
Opis
- Tworzenie, wdrażanie, testowanie i diagnozowanie aplikacji uczenia maszynowego
- Rozwijanie globalnych systemów na dużą skalę, które obsługują miliony żądań w czasie rzeczywistym każdej sekundy
- Prowadzenie eksperymentów w celu oceny nowych podejść do uczenia maszynowego i modelowania
- Współpraca z doświadczonymi naukowcami i inżynierami nad udoskonalaniem modeli uczenia maszynowego
- Tworzenie przejrzystego, wydajnego i łatwego w utrzymaniu kodu zgodnego z najlepszymi praktykami inżynierii oprogramowania
- Udział w przeglądach kodu i przekazywanie konstruktywnej informacji zwrotnej dotyczącej rozwiązań technicznych
- Znajdowanie wąskich gardeł systemu i optymalizowanie komponentów pod kątem większej skalowalności
- Śledzenie istotnych osiągnięć w dziedzinie uczenia maszynowego poza organizacją
- Łączenie teorii akademickiej z systemami działającymi na skalę produkcyjną dzięki mentoringowi
Wymagania
- Do dwóch lat doświadczenia w uczeniu maszynowym lub statystyce stosowanej, w tym staże lub znaczące doświadczenie akademickie
- Wykształcenie w dziedzinie informatyki, matematyki, inżynierii oprogramowania lub pokrewnej dyscyplinie
- Biegła znajomość języka Python, Java lub porównywalnego języka programowania
- Dobra znajomość rachunku prawdopodobieństwa, statystyki i testowania hipotez
- Praktyczna znajomość podstawowych metod uczenia maszynowego, takich jak klasyfikacja, regresja, klasteryzacja, ranking, przetwarzanie języka naturalnego lub duże modele językowe
- Doświadczenie z narzędziami do przetwarzania danych, w tym Pandas i NumPy
- Znajomość frameworków uczenia maszynowego, takich jak PyTorch, Scikit-learn lub XGBoost
- Silne zainteresowanie systemami rozproszonymi, projektowaniem oprogramowania, współbieżnością, strukturami danych i inżynierią oprogramowania
Benefity
- Możliwość otrzymania premii za wyniki
- Udział kapitałowy
- Kompleksowy pakiet świadczeń
- Praktyczny mentoring ze strony doświadczonych naukowców i inżynierów