data scientist алгоритмического биддинга в рекламе

Ozon; United States; Hybrid; USD 120,000 - 180,000; Full time

Benefits offered by this job

Удалённая/гибридная работа

Конкурентная оплата труда

Возможности профессионального роста

Job summary

Ozon Ads ищет специалиста по машинному обучению для разработки монетизации рекламы в высоконагруженной системе управления показами.

Кандидат будет развивать RL-политики, работать с существующими контроллерами и интегрировать решения в продакшн вместе с бэкенд- и ML-инженерами. Приоритет — опыт доведения ML до продакшн и интерес к аукционам и оптимизации показателей.

Qualifications

• От 4 лет опыта в Data Science или прикладном ML с продакшн-влиянием.
• Уверенное владение Python, SQL и PySpark.
• Сильная база в математике, статистике и оптимизации.
• Опыт доведения ML-решений до продакшн.
• Интерес к системам принятия решений и аукционам.

Responsibilities

• Развивать подходы на основе reinforcement learning для оптимизации рекламных стратегий.
• Работать с контроллерами и развивать обучающие политики.
• Проектировать функции вознаграждения для долгосрочной оптимизации CPA, ROAS и LTV.
• Строить фреймворки для оценки off-policy и безопасного внедрения новых стратегий в продакшн.
• Проводить эксперименты и A/B-тесты для проверки эффективности политик.
• Взаимодействовать с бэкенд- и ML-инженерами для интеграции решений.

Skills

Python

SQL

Reinforcement Learning

Experimentation

Statistics

Optimization

Education

MSc or PhD in CS/Math/Stats

Tools

PySpark

Job description

Описание

Команда разрабатывает алгоритмы монетизации рекламы в Ozon Ads и отвечает за высоконагруженную систему управления показами рекламы в поиске, каталоге, рекомендациях и на внешнем трафике. Следующий этап развития — переход от ручных и эвристических стратегий к обучающимся политикам, которые оптимизируют решения во времени.

Задачи

Развивать подходы на основе Reinforcement Learning для оптимизации рекламных стратегий Работать с существующими контроллерами и формировать путь их развития в обучающиеся политики Проектировать функции вознаграждения для долгосрочной оптимизации метрик CPA, ROAS и LTV Строить фреймворки для оценки off-policy и безопасного внедрения новых стратегий в продакшн Анализировать компромиссы между exploration и exploitation в условиях аукциона и нестационарной среды Проводить эксперименты и A/B-тесты для проверки эффективности новых политик Взаимодействовать с бэкенд- и ML-инженерами для интеграции решений в продакшн-системы

Требования

От 4 лет опыта в Data Science или прикладном машинном обучении с влиянием на продакшн Уверенное владение Python, SQL и PySpark Сильная база в математике, статистике и оптимизации Опыт доведения ML-решений до продакшн Интерес к системам принятия решений, аукционам и оптимизации Умение работать с неопределённостью и сложными системами Будет плюсом: опыт с RL, bandits и последовательным принятием решений, опыт в RTB, DSP, SSP или рекламных аукционах, понимание теории аукционов и механизмов ценообразования, опыт построения симуляций и систем офлайн-оценки, степень MSc или PhD в CS, математике, статистике или смежных областях

Условия

• Возможность работать удалённо, в гибридном формате или на месте работодателя
• Достойный уровень заработной платы
• Свобода действий в принятии решений
• Возможность профессионально развиваться вместе с бизнесом