Senior Data Scientist

Wirtualna Polska Media S.A. działa w obszarach mediów, reklamy i e-commerce, tworząc treści, usługi i rozrywkę dla milionów Polaków.

• Minimum 5 lat doświadczenia w data science, applied science lub ML engineering
• Praktyczna znajomość Pythona (scikit-learn, pandas, numpy) oraz SQL-a
• Wykształcenie kierunkowe na poziomie MSc: matematyka stosowana, statystyka, informatyka, operations research lub dziedzina pokrewna
• Gruntowna wiedza z podstaw statystyki: rachunek prawdopodobieństwa, testowanie hipotez
• Znajomość co najmniej jednego z obszarów: constrained optimization i operations research, metody bayesowskie, causal inference, control theory (feedback controllers)
• Doświadczenie w pracy z danymi w dużej skali (miliardy zdarzeń dziennie)
• Doświadczenie w projektowaniu i prowadzeniu testów A/B
• Umiejętność pisania czytelnego kodu produkcyjnego i pracy w repozytorium z code review
• Umiejętność jasnego uzasadniania decyzji modelowych i kompromisów w rozmowie z produktem i inżynierią
• Samodzielność i odpowiedzialność za wynik w warunkach niejednoznaczności
• Badawcze i kreatywne podejście do rozwiązywania problemów

Mile widziane:

• Doświadczenie w adtech lub RTB
• Znajomość więcej niż jednego z wyżej wymienionych obszarów
• Doświadczenie z reinforcement learning lub multi-armed bandits
• Doświadczenie z online learning i algorytmami adaptacyjnymi w środowiskach niestacjonarnych
• Doświadczenie z rozwiązaniami typu feature store

• Projektowanie, implementacja, ewaluacja i wdrażanie modeli ML do predykcji odpowiedzi użytkownika
• Rozwój i optymalizacja algorytmów oraz strategii licytowania w aukcjach first-price, w tym bid shading
• Optymalizacja decyzji licytacyjnych pod ograniczeniami budżetowymi i marżowymi - pacing kampanii i utrzymanie zakładanej marży przy maksymalizacji wyniku dla klienta
• Pogłębione analizy dużych zbiorów danych - wyciąganie sygnału z szumu i dostarczanie wniosków wpływających na decyzje i strategię R&D
• Projektowanie i analiza eksperymentów A/B wraz z oceną wpływu biznesowego
• Budowa frameworków ewaluacji offline i online - walidacja zachowania modelu w żywym środowisku aukcyjnym
• Wdrażanie komponentów samouczących się - bandits, pętle sprzężenia zwrotnego ograniczające ręczne tuningowanie i reguły
• Prowadzenie własnych obszarów badawczych z dużą autonomią - od hipotezy przez implementację po test A/B na produkcji
• Przegląd literatury i stanu wiedzy - ocena zastosowalności nowych metod do specyfiki naszego stacku