資深資料科學家——程式化廣告（遠端，德國／波蘭）
建構用於程式化廣告的即時機器學習與最佳化系統。開發用於出價、受眾定位、轉換、校準和廣告活動績效的預測模型。
說明
- 開發經過刪失處理的出價空間模型，根據部分可觀測的競價資料估算成交價格分布
- 建立能適應出價定價動態變化的即時得標機率模型
- 設計分層增量效果估計模型，並採用基於信賴界限的選擇策略
- 根據稀疏、延遲且僅有彙總資訊的標籤建立轉換傾向模型
- 使用正例－未標註學習和基於嵌入的近鄰方法開發相似受眾模型
- 實施廣告主層級的校準策略，並獨立評估排序品質和校準品質
- 使用逆傾向評分、雙重穩健估計量和重要性重新加權設計離線評估框架
- 定義探索策略和傾向記錄方法，以支援可靠的校正與評估
- 針對廣告活動目標、定價限制和投放量定位開發受限最佳化方法
- 支援資料診斷、能力評估和以證據為基礎的模型建議
- 與客戶團隊合作進行上線後調校和績效驗證
- 為客戶內部資料科學團隊準備技術文件和知識移轉材料
- 參與架構討論以及可擴充機器學習平台的決策
職位要求
- 至少五年機器學習或資料科學經驗，能夠交付並根據業務關鍵績效指標衡量正式環境模型
- 具備進階 Python 技能，包括 NumPy、pandas 和 scikit-learn
- 具備扎實的 SQL 技能以及處理大規模資料集的經驗
- 實務掌握 XGBoost、LightGBM 或 CatBoost
- 扎實掌握正則化、校準技術和類別特徵處理
- 具備機率、統計學、信賴區間和統計檢定力分析方面的堅實基礎
- 具備從結構化資料和行為資料進行特徵工程的經驗
- 具備 Spark 或 PySpark 的實務經驗
- 實際理解實驗框架和 A/B 測試
- 具備進階驗證方法經驗，包括時間切分、資料洩漏偵測、漂移分析和基於切片的指標
- 了解 SHAP 和排列重要性等可解釋性方法
- 英語達中高級或更高程度
- 具備出色的分析和解決問題能力
- 能夠在高度資料驅動的工作環境中有效工作
- 具備出色的溝通和利害關係人管理能力
- 能夠向技術和非技術受眾解釋複雜的建模決策
- 積極主動，具備強烈的當責意識
- 高度重視細節，並在實驗和評估中堅持科學嚴謹性
福利待遇
- 遠端工作安排
- 參與技術挑戰性高的產品開發
- 與經驗豐富的工程師和資料科學家合作
- 直接為大規模正式環境系統作出貢獻