В качестве руководителя исследования ML вы будете работать над сложными проектами ML, которые расширяют и улучшают способы использования ML в нашей компании. Машинное обучение находится в самом центре RTB House, и вы окажете сильное и немедленное влияние на наши основные показатели. Мы ищем сильного технического руководителя, который также будет управлять небольшой командой высокоэффективных исследователей. Следующие навыки будут иметь решающее значение: Лидерские качества. Мы ищем человека, кот
В качестве руководителя исследования ML вы будете работать над сложными проектами ML, которые расширяют и улучшают способы использования ML в нашей компании. Машинное обучение находится в самом центре RTB House, и вы окажете сильное и немедленное влияние на наши основные показатели. Мы ищем сильного технического руководителя, который также будет управлять небольшой командой высокоэффективных исследователей. Следующие навыки будут иметь решающее значение: Лидерские качества. Мы ищем человека, который сможет идентифицировать проекты с высоким потенциалом, создавать концепцию, общаться с заинтересованными сторонами и, прежде всего, реализовывать их. Сильные технические навыки. Мы ищем человека, который будет технически руководить проектами и с энтузиазмом относиться к практической работе. Сквозное владение. Вы будете владеть проектами от концепции, анализа, исследования, построения доказательства концепции, тестирования до окончательной реализации и развертывания. Эффективная коммуникация. В этой роли вы будете сотрудничать со многими людьми, и очень важно хорошо общаться и эффективно организовывать работу. Умение решать неясные задачи. В каждом проекте вам придется понять суть проблемы, определить цель и способы измерения успеха, а также найти наиболее эффективный способ решения проблемы. Ориентированность на результат. Мы ценим здоровое стремление эффективно решать проблемы, начиная с простого и используя сложные инструменты только при необходимости, всегда стремясь к простому и элегантному решению. Умение работать в кросс-команде. Вы будете работать в перекрестной команде, часто в ИТ- и бизнес-организациях. Умение создавать и управлять командой. Вы начнете в качестве первого исследователя в группе по исследованию платформ, рассчитывая за первый год расширить команду до пары исследователей/инженеров. Опыт работы в качестве исследователя или инженера не менее 8 лет. Опыт работы в области машинного обучения/науки данных от 3 лет. Сильная математическая база: статистика, вероятность, дискретная математика, комбинаторика. Знание программирования. Опыт управления командой от 3-х лет. ,[RTB House — компания, ориентированная на результат, и наши технологии — наша главная сила. Мы работаем с более чем 2000 клиентами в странах Европы, Ближнего Востока и Африки, Азиатско-Тихоокеанского региона и Америки. Наша высокооптимизированная система обслуживает почти 10 миллионов запросов в секунду. Во время запроса мы оцениваем несколько моделей, включая глубокие нейронные сети. Машинное обучение лежит в основе нашей работы. Мы постоянно совершенствуем и расширяем нашу платформу ML. Примеры проектов включают в себя: Демократизация экспериментов с новыми сигналами для более широкого круга команд. Исторически исследования по улучшению наших моделей глубокого обучения были изолированы в нашей команде машинного обучения. Хотя команда очень сильна и показывает отличные результаты, мы считаем, что существует большой потенциал, позволяющий нашей более широкой организации экспериментировать с новыми сигналами и новыми функциями. Таким образом, мы можем привлечь множество людей с разным опытом и разными сильными сторонами к работе над конкретными вертикалями нашего портфолио рекламодателей (электроника, мода, путешествия и т. д.). Это откроет новые возможности, недоступные одной команде. Задача состоит в том, чтобы создать систему, которая позволит проводить такие эксперименты, будет доступной, удобной в обслуживании и интерпретируемой результатами.процесс творческого проектирования. Исторически сложилось так, что улучшения графического дизайна наших объявлений или креативов значительно повышали наши показатели. Эта область по-прежнему имеет большой потенциал, но для его реализации нам все больше необходим структурированный подход к работе с креативными дизайнерами, осмысленное тестирование новых проектов, отделение реальных выгод от тестирования артефактов. Одна из задач — хорошо понять, как наша система глубокого обучения выбирает креатив для показа, и убедиться, что он совместим с новой платформой тестирования креативов. И многое другое, а также все, что вы можете придумать!] Требования: управление командой, Python, машина Управление операционализацией модели обучения