Titan OS inatengeneza mfumo huru wa uendeshaji wa Ulaya kwa ajili ya televisheni zilizounganishwa, ikishirikiana na watengenezaji wa televisheni na watoa maudhui ili kufanya utazamaji uwe wa kibinafsi zaidi na rahisi kuvinjari. Jukwaa lake linalotanguliza maudhui linaunganisha huduma za utiririshaji na vituo vya kawaida, likiwasaidia watazamaji kugundua cha kutazama kupitia mapendekezo yaliyobinafsishwa na kufikia maudhui kwa kutumia rimoti moja. Kampuni pia huwapa watengenezaji wa vifaa na watangazaji zana za kubinafsisha kiolesura, kuunganisha programu na vituo, na kuchuma mapato kutoka kwa hadhira kupitia fursa za kugawana mapato.
Mwanasayansi Mkuu wa Data, Uundaji wa Miundo ya Hadhira ya CTV – Titan OS (Barcelona, Mseto)
Tengeneza miundo ya kutabiri hadhira kwa jukwaa la utangazaji la Connected TV la Titan OS. Tumia nadharia ya sampuli na ujifunzaji wa mashine kukadiria idadi ya wateja kutoka data isiyokamilika.
Maelezo
- Panua hadhira za mbegu na sampuli kuwa makundi yenye thamani kubwa katika idadi pana ya watumiaji wa Connected TV
- Tumia weighting, calibration, MRP, na mbinu za kihierarkia kukadiria kwa kutegemeka kutoka sampuli zisizokamilika au zisizowakilisha
- Tengeneza miundo ya propensity, classification, similarity, ranking, na positive-unlabelled ili kupata watumiaji wenye mlingano mkubwa na hadhira za mbegu
- Buni vipengele vya kitabia na kimuktadha vinavyotegemeka kutoka data kubwa ya matukio huku ukipunguza target leakage na kutokuwa thabiti kwa modeli
- Chunguza upendeleo wa uteuzi, mapengo ya coverage, na covariate shift, na ueleze kutokuwa na uhakika katika makadirio ya hadhira
- Tathmini lift, precision na recall, calibration, na uthabiti kupitia holdout, majaribio ya muda na kijiografia, na matokeo halisi ya kampeni
- Weka miundo iliyofanikiwa katika utaratibu unaoweza kupanuka wenye udhibiti wa matoleo, utambuzi wa drift, ufuatiliaji, na mafunzo upya
- Fanya kazi na timu za Product, Commercial, na Engineering huku ukiweka viwango thabiti vya uundaji wa miundo katika timu nzima ya Data
Mahitaji
- Uwe na angalau miaka 8 ya uzoefu wa kitaalamu katika Data Science, Applied Statistics, Quantitative Research, Econometrics, au taaluma inayohusiana kwa karibu
- Onyesha ujuzi wa kina wa takwimu unaojumuisha nadharia ya sampuli, estimation, inference, probability, quantification ya kutokuwa na uhakika, na muundo wa majaribio
- Uwe na uzoefu mkubwa wa kujumlisha sampuli kuwa makundi ya watu kwa kutumia post-stratification, raking, calibration au propensity weighting, miundo ya kihierarkia, au MRP
- Uwe na uzoefu wa vitendo wa kutengeneza miundo ya ML lookalike kutoka hadhira za mbegu, sampuli za CRM au wateja, au converters wanaojulikana kwa kutumia mbinu za propensity, classification, similarity, ranking, au positive-unlabelled
- Tumia ujifunzaji wa mashine wa hali ya juu na uhandisi wa vipengele katika GLM, XGBoost au LightGBM, ensembles, embeddings, na data kubwa ya kitabia
- Thibitisha miundo kwa kutumia lift au gains, precision@K au recall@K, probability calibration, majaribio ya A/B, uchanganuzi wa uthabiti, na ufuatiliaji wa drift
- Uwe na ufasaha wa kufanya kazi na Python na SQL, ikijumuisha scikit-learn, pandas, na NumPy
- Uzoefu wa majukwaa ya data ya wingu yenye ukubwa mkubwa na production ML au MLOps unapendelewa sana
- Wasiliana kwa uwazi na uwe na misingi imara ya kiasi
- Uwe na BS au MS katika taaluma ya kiasi inayohusiana; PhD ni faida lakini si lazima
Manufaa
- Malipo yenye ushindani
- Bima ya afya ya kibinafsi
- Mazingira ya kazi yenye urafiki, tofauti, na ya kimataifa
- Fursa za maendeleo ya kitaaluma kupitia kazi yenye changamoto katika sekta ya Connected TV inayokua kwa kasi
- Fursa ya kujiunga mapema na kampuni yenye ufadhili mzuri na inayokua kwa kasi, na kusaidia kuunda bidhaa na biashara inayotarajiwa kuwaathiri mamilioni ya watu