A Titan OS desenvolve um sistema operacional europeu independente para TVs conectadas e trabalha com fabricantes de televisores e provedores de conteúdo para tornar a experiência de assistir mais personalizada e fácil de navegar. Sua plataforma, focada em conteúdo, reúne serviços de streaming e canais lineares, ajuda os espectadores a descobrir o que assistir por meio de recomendações personalizadas e permite acessar conteúdos com um único controle remoto. A empresa também oferece a fabricantes de dispositivos e emissoras ferramentas para personalização da interface, integração de aplicativos e canais e monetização da audiência por meio de oportunidades de compartilhamento de receita.
Cientista de Dados Sênior, Modelagem de Audiência CTV – Titan OS (Híbrido em Barcelona)
Desenvolva modelos preditivos de audiência para a plataforma de publicidade em TV conectada da Titan OS. Use teoria da amostragem e aprendizado de máquina para extrapolar populações de clientes a partir de dados imperfeitos.
Descrição
- Expanda audiências semente e de amostra para formar coortes de alto valor em toda a população mais ampla de TV conectada
- Use técnicas de ponderação, calibração, MRP e modelos hierárquicos para extrapolar com confiabilidade a partir de amostras imperfeitas ou não representativas
- Desenvolva modelos de propensão, classificação, similaridade, ranking e aprendizado positivo-não rotulado para encontrar usuários com forte afinidade com as audiências semente
- Crie atributos comportamentais e contextuais confiáveis a partir de dados de eventos em grande escala, limitando o vazamento do alvo e a instabilidade dos modelos
- Investigue viés de seleção, lacunas de cobertura e mudança de covariáveis, e explique a incerteza nas estimativas de audiência
- Avalie lift, precisão e recall, calibração e estabilidade por meio de holdouts, testes temporais e geográficos e resultados observados de campanhas
- Implemente modelos bem-sucedidos por meio de pipelines escaláveis com controle de versão, detecção de drift, monitoramento e retreinamento
- Trabalhe com as equipes de Produto, Comercial e Engenharia, estabelecendo padrões rigorosos de modelagem em toda a equipe de Dados
Requisitos
- Tenha pelo menos 8 anos de experiência profissional em Ciência de Dados, Estatística Aplicada, Pesquisa Quantitativa, Econometria ou área estreitamente relacionada
- Demonstre conhecimento estatístico profundo em teoria da amostragem, estimação, inferência, probabilidade, quantificação de incerteza e desenho experimental
- Tenha experiência substancial em generalizar amostras para populações usando pós-estratificação, raking, calibração ou ponderação por propensão, modelos hierárquicos ou MRP
- Tenha experiência prática no desenvolvimento de modelos de lookalike de aprendizado de máquina a partir de audiências semente, amostras de CRM ou clientes, ou conversores conhecidos, usando métodos de propensão, classificação, similaridade, ranking ou aprendizado positivo-não rotulado
- Aplique aprendizado de máquina avançado e engenharia de atributos com GLMs, XGBoost ou LightGBM, ensembles, embeddings e grandes conjuntos de dados comportamentais
- Valide modelos usando lift ou ganhos, precision@K ou recall@K, calibração de probabilidades, testes A/B, análise de estabilidade e monitoramento de drift
- Trabalhe com fluência em Python e SQL, incluindo scikit-learn, pandas e NumPy
- Experiência com plataformas de dados em nuvem de grande escala e ML ou MLOps em produção será muito valorizada
- Comunique-se com clareza e tenha sólidos fundamentos quantitativos
- Tenha bacharelado ou mestrado em uma área quantitativa relevante; doutorado é desejável, mas não obrigatório
Benefícios
- Remuneração competitiva
- Seguro de saúde privado
- Um ambiente de trabalho acolhedor, diverso e internacional
- Oportunidades de desenvolvimento profissional por meio de trabalhos desafiadores no setor de TV conectada, que cresce rapidamente
- A oportunidade de ingressar cedo em uma empresa bem financiada e de alto crescimento e ajudar a moldar um produto e um negócio que devem impactar milhões de pessoas