Data Scientist

Wirtualna Polska działa w obszarach mediów, reklamy i e-commerce, łącząc te elementy w sposób angażujący i inspirujący. Firma buduje rzeczy od zera oraz poszukuje innowacyjnych rozwiązań.

• Minimum 3 lata doświadczenia komercyjnego we wdrażaniu i utrzymaniu zaawansowanych systemów ML na produkcji w dużej skali
• Biegła znajomość języka Python oraz zaawansowanych konceptów programistycznych
• Praktyczna wiedza z zakresu teorii decyzji/gier, optymalizacji matematycznej, uczenia nadzorowanego, nienadzorowanego i ze wzmocnieniem oraz przetwarzania danych w czasie rzeczywistym
• Doświadczenie ze skalowalnym przetwarzaniem Big Data przy użyciu SQL, Apache Spark/PySpark oraz pracy z infrastrukturą chmurową i konteneryzacją
• Wykształcenie wyższe w dziedzinach matematycznych, fizycznych, informatyce lub pokrewnych, ze szczególnym naciskiem na rachunek prawdopodobieństwa, statystykę i optymalizację

Mile widziane:

• Domain knowledge w AdTech / RTB / E-commerce, znajomość aukcji w czasie rzeczywistym (OpenRTB, DSP/SSP) i wielkoskalowej personalizacji
• Doświadczenie w optymalizacji modeli pod ultra-niskie opóźnienia (np. C++, ONNX, TensorRT, Triton Inference Server)
• Udział w projektach badawczych, patentach, publikacjach lub wkład w open source z zakresu Machine Learning i optymalizacji
• Stopień naukowy (PhD, MSc) lub certyfikacje architektoniczne/MLOps (np. GCP Professional ML Engineer, AWS Certified Machine Learning Specialty)

• Projektowanie i wdrażanie modeli ML do problemów prediction, ranking, recommendation, optimization
• Budowa systemów decyzyjnych i optymalizacyjnych (pricing, bidding, personalization, allocation) z pełną odpowiedzialnością end-to-end
• Projektowanie i rozwój produkcyjnych systemów decyzyjnych i silników personalizacji działających w czasie rzeczywistym przy niskich opóźnieniach i wysokim natężeniu ruchu
• Inicjowanie i prowadzenie projektów R&D wdrażających przełomowe metody ML/AI oraz testowanie hipotez
• Projektowanie frameworków do testów A/B, atrybucji i wnioskowania przyczynowego (Causal Inference), ocena wpływu modeli na biznes
• Wyznaczanie standardów architektonicznych dla infrastruktury ML
• Współpraca z zespołami cross-obszarowymi oraz mentoring dla Junior Data Scientistów