高级数据科学家——程序化广告（远程，德国/波兰）
构建用于程序化广告的实时机器学习与优化系统。开发用于出价、受众定向、转化、校准和广告活动绩效的预测模型。
描述
- 开发经过删失处理的出价空间模型，根据部分可观测的竞价数据估算成交价格分布
- 创建能够适应出价定价动态变化的实时赢标概率模型
- 设计分层增量效果估计模型，并采用基于置信界的选择策略
- 基于稀疏、延迟且仅聚合的标签构建转化倾向模型
- 使用正例-未标注学习和基于嵌入的近邻方法开发相似受众模型
- 实施广告主级校准策略，并独立评估排序质量和校准质量
- 使用逆倾向评分、双重稳健估计量和重要性重加权设计离线评估框架
- 定义探索策略和倾向记录方法，以支持可靠的校正与评估
- 针对广告活动目标、定价限制和投放量定向开发约束优化方法
- 支持数据诊断、能力评估和基于证据的模型建议
- 与客户团队合作开展上线后的调优和绩效验证
- 为客户内部数据科学团队准备技术文档和知识传递材料
- 参与架构讨论以及可扩展机器学习平台的决策
任职要求
- 至少五年机器学习或数据科学经验，能够交付并根据业务关键绩效指标衡量生产模型
- 具备高级 Python 技能，包括 NumPy、pandas 和 scikit-learn
- 具备扎实的 SQL 技能以及处理大规模数据集的经验
- 实际掌握 XGBoost、LightGBM 或 CatBoost
- 扎实掌握正则化、校准技术和类别特征处理
- 具备概率、统计学、置信区间和统计功效分析方面的坚实基础
- 具备从结构化数据和行为数据中进行特征工程的经验
- 具备 Spark 或 PySpark 的实操经验
- 实际理解实验框架和 A/B 测试
- 具备高级验证方法经验，包括时间切分、数据泄漏检测、漂移分析和基于切片的指标
- 了解 SHAP 和置换重要性等可解释性方法
- 英语达到中高级或更高水平
- 具备出色的分析和解决问题能力
- 能够在高度数据驱动的工作环境中高效开展工作
- 具备出色的沟通和利益相关者管理能力
- 能够向技术和非技术受众解释复杂的建模决策
- 积极主动，具备强烈的主人翁意识
- 高度重视细节，并在实验和评估中坚持科学严谨性
福利待遇
- 远程工作安排
- 参与技术挑战性强的产品开发
- 与经验丰富的工程师和数据科学家合作
- 直接为大规模生产系统作出贡献