Kierownik ds. badań personelu ML w domu RTB w RTB House

Jako kierownik działu badań nad ML będziesz pracować nad wymagającymi projektami ML, które rozszerzają i ulepszają sposób, w jaki ML jest wykorzystywane w naszej firmie. ML znajduje się w samym centrum RTB House, a Ty będziesz mieć silny, natychmiastowy wpływ na nasze podstawowe wskaźniki. Poszukujemy silnego lidera technicznego, który będzie również zarządzał małym zespołem badaczy o wysokich wynikach. Kluczowe będą następujące umiejętności: Umiejętności przywódcze. Poszukujemy osoby, która potrafi zidentyfikować projekty o dużym potencjale, stworzyć wizję, komunikować się z interesariuszami, a przede wszystkim wykonać. Silne umiejętności techniczne. Poszukujemy osoby, która będzie prowadzić projekty od strony technicznej, z entuzjazmem podchodząc do pracy praktycznej. Od końca do końca własności. Będziesz właścicielem projektów od koncepcji, poprzez analizę, badania, budowanie dowodu słuszności koncepcji, testowanie, aż do końcowego wdrożenia i wdrożenia. Efektywna komunikacja. Na tym stanowisku będziesz współpracować z wieloma osobami, a kluczowa jest dobra komunikacja i skuteczna organizacja pracy. Umiejętność rozwiązywania niejasnych problemów. W każdym projekcie będziesz musiał zrozumieć istotę problemu, zdefiniować cel i sposób pomiaru sukcesu oraz znaleźć najskuteczniejszy sposób rozwiązania problemu. Będąc zorientowanym na wyniki. Cenimy zdrową motywację do skutecznego rozwiązywania problemów, zaczynając od prostych i korzystając ze skomplikowanych narzędzi tylko wtedy, gdy jest to konieczne, zawsze dążąc do prostego, eleganckiego rozwiązania. Umiejętność pracy międzyzespołowej. Będziesz pracować w wielu zespołach, często w różnych organizacjach IT i biznesowych. Umiejętność budowania i zarządzania zespołem. Rozpoczniesz jako pierwszy badacz w zespole badawczym platformy, spodziewając się, że w pierwszym roku zespół powiększy się do kilku badaczy/inżynierów. Musi mieć ponad 8-letnie doświadczenie jako badacz lub inżynier. Ponad 3 lata doświadczenia w uczeniu maszynowym/nauce danych. Silne ramy matematyczne: statystyka, prawdopodobieństwo, matematyka dyskretna, kombinatoryka Biegłość w programowaniu. Ponad 3-letnie doświadczenie w zarządzaniu zespołem. ,[RTB House jest firmą zorientowaną na wydajność, a nasza technologia jest naszą główną siłą. Współpracujemy z ponad 2000 klientami w regionie EMEA, APAC i obu Amerykach. Nasz wysoce zoptymalizowany system obsługuje prawie 10 milionów zapytań na sekundę. Na żądanie oceniamy wiele modeli, w tym głębokie sieci neuronowe – uczenie maszynowe jest sercem naszej działalności. Stale udoskonalamy i rozszerzamy naszą platformę ML. Przykładowe projekty obejmują: Demokratyzację eksperymentów z nowymi sygnałami dla szerszego zestawu zespołów. Historycznie rzecz biorąc, badania nad ulepszaniem naszych modeli głębokiego uczenia się były izolowane w naszym zespole uczenia maszynowego. Choć zespół jest bardzo silny i osiąga świetne wyniki, uważamy, że umożliwienie naszej szerszej organizacji eksperymentowania z nowymi sygnałami i nowymi funkcjami kryje w sobie ogromny potencjał. W ten sposób możemy zatrudnić wiele osób o różnym pochodzeniu i mocnych stronach, pracujących w określonych branżach naszego portfolio reklamodawców (elektronika, moda, podróże itp.). Otworzy to nowe możliwości, których nie da się osiągnąć w przypadku jednego zespołu. Wyzwanie polega na stworzeniu systemu umożliwiającego takie eksperymenty, który byłby dostępny, łatwy w utrzymaniu i którego wyniki można interpretować., Optymalizacjakreatywny proces projektowania. Historycznie rzecz biorąc, ulepszenia projektu graficznego naszych reklam lub kreacji zapewniały znaczny wzrost naszych wskaźników. Obszar ten wciąż kryje w sobie duży potencjał, jednak aby go zrealizować, coraz częściej potrzebujemy ustrukturyzowanego podejścia do pracy z kreatywnymi projektantami, testowania nowych projektów w znaczący sposób, oddzielania rzeczywistych zysków od testowania artefaktów. Jednym z wyzwań jest dobre zrozumienie, w jaki sposób nasz system głębokiego uczenia się wybiera kreację do wyświetlenia i upewnienie się, że jest ona kompatybilna z nowym środowiskiem testowania kreacji. Wiele więcej i wszystko, co możesz wymyślić!] Wymagania: Zarządzanie zespołem, Python, Maszyna Zarządzanie operacjonalizmem modelu uczenia się