О компании
TripleLift — это креативная SSP, работающая на базе TL Spark, нашего слоя агентного интеллекта. Мы объединяем креатив, предложение, аудиторию и измерения в единую систему, ориентированную на результат, охватывающую открытый интернет, розничные медиа и CTV. Наша платформа позволяет брендам и агентствам достигать измеримых результатов, одновременно помогая издателям максимизировать доход и сохранять высокое качество пользовательского опыта.
Обзор
Специалист по данным / инженер машинного обучения играет ключевую роль в улучшении производительности алгоритмов торгов TripleLift и разработке масштабируемых решений машинного обучения, которые обеспечивают лучшие результаты для наших клиентов. В составе команды Data Science эта роль сочетает статистический анализ, эксперименты и инженеринг машинного обучения для выявления рыночных инсайтов, оптимизации производительности торгов и создания готовых к производству систем.
В этой должности вы будете тесно сотрудничать с инженерами, менеджерами продуктов и бизнес-стейкхолдерами для выявления возможностей, проверки гипотез и преобразования данных в измеримый бизнес-эффект. Это захватывающая возможность для тех, кто любит решать сложные задачи, работать с большими наборами данных и создавать надежные системы машинного обучения в совместной и динамичной среде.
Обязанности
•Проектировать и проводить эксперименты для улучшения производительности алгоритмов торгов и максимизации результатов для клиентов TripleLift.
•Применять статистический анализ и продвинутые аналитические методы для понимания рыночной динамики и предоставления практических инсайтов и рекомендаций.
•Разрабатывать, внедрять и поддерживать масштабируемые, готовые к производству конвейеры и системы машинного обучения, применяя лучшие практики ML-инжиниринга.
•Сотрудничать с инженерами, менеджерами продуктов и бизнес-стейкхолдерами для выявления возможностей, решения задач и принятия решений на основе данных.
•Мониторить и оценивать системы глубокого обучения и машинного обучения для обеспечения производительности, надежности и эффективности в производственной среде.
Основные технологии
Команда Data Science использует широкий спектр технологий для решения сложных задач и поддержки масштабируемых решений в области науки о данных и машинного обучения. Мы считаем важным использовать правильные инструменты для каждой задачи и постоянно оцениваем новые технологии по мере развития наших потребностей.
•Языки: Python
•Фреймворки и инструменты: Spark, Airflow, Databricks, ONNX, Docker
•Базы данных и хранилища данных: MySQL, Snowflake, Amazon S3, Parquet
•Облачная инфраструктура: Amazon Web Services (AWS)
•Библиотеки машинного обучения: TensorFlow, PyTorch, Scikit-learn, Spark
•Мониторинг и визуализация: Prometheus, Grafana
Образование и требования
•Предпочтительно наличие степени в технической или количественной области. Кандидаты с соответствующим профессиональным опытом и степенями в других дисциплинах также будут рассмотрены.
•Минимум пять лет профессионального опыта в области науки о данных и/или машинного обучения в коллективной рабочей среде.
•Минимум два года профессионального опыта разработки моделей науки о данных и машинного обучения в среде программматик рекламы.
•Крепкая база в статистическом анализе, глубокому обучению и методах машинного обучения.
•Практический опыт работы с TensorFlow или PyTorch для прототипирования моделей для высоконагруженных распределенных систем.
•Опыт мониторинга и оценки производительности статистических моделей с использованием инструментов, таких как Prometheus и Grafana, включая создание дашбордов и оповещений для выявления проблем с производительностью и обеспечения эффективной работы моделей.
•Сильные организационные навыки, коммуникация и внимание к деталям.
•Способность эффективно работать самостоятельно с минимальным контролем.
•Открытость к обратной связи и конструктивной критике, стремление к постоянному обучению и профессиональному развитию.
•Сильная трудовая этика и доказанная приверженность выполнению работы высокого качества.
