Data Scientist (Research & Analytics Team)

Позиция: Data Scientist (Research & Analytics Team) Куда: AdTech Holding Формат работы: Сербия, Гибрид Вилка нетто: 3 500 — 4 500 € Что нужно делать? • Разрабатывать ML-модели для систем рекомендаций и оптимизации аукционов. • Использовать современные подходы: Multi-Armed Bandits, Reinforcement Learning, Counterfactual Learning. • Работать с полным ML-пайплайном — от данных и фичей до продакшн-инференса. • Взаимодействовать с backend-инженерами, участвовать в проектировании инфраструктуры и A/B-тестировании моделей. • Следить за метриками и performance моделей после релиза. • Общаться с бизнесом, разбирать corner cases, искать возможности для улучшения системы. Требования: • Опыт разработки и продакшн-внедрения ML-моделей от 3 лет. • Хорошее знание классических алгоритмов машинного обучения. • Отличное владение Python, pandas, scikit-learn. • Знание теории вероятностей, статистики и базовых принципов RL. • Умение формулировать и структурировать задачи, выбирать подходящие модели и решения. Будет плюсом: • Опыт в AdTech или Recommender Systems. • Опыт работы с SQL и большими данными. • Знание Airflow, Docker. • Навыки работы с DL-фреймворками: PyTorch / TensorFlow / JAX. • Опыт проектирования решений с учетом latency и highload. Ответы на 10 важных вопросов: 1. Данные: внутренние логовики рекламных систем + внешние источники, интегрированные через API. 2. Железо: выделенные GPU-сервера для обучения моделей; продакшн-инференс на высоконагруженных кластерах. 3. Масштаб влияния на core-бизнес? Модели — ключевой элемент рекламных продуктов, напрямую влияющий на доход компании. 4. Уровень развития Data Science в компании? Высокий: команда исследователей и инженеров ML, активные R&D-направления. 5. Роль Data Scientist-а: полный цикл — от идеи и экспериментов до внедрения и мониторинга продакшн-моделей. 6. Бэкграунд у вашего руководителя? Опыт 10+ лет в ML и AdTech, PhD в Computer Science linkedin 7. Как часто вам будут мешать работать? До 2–3 часов митингов в неделю, остальное — фокусное время. 8. Карьерный рост: прозрачная матрица компетенций, ревью каждые 6 месяцев, возможность роста до Lead/Principal. 9. Prod/Research: баланс — фокус на production, но есть пространство для исследовательских инициатив. 10. Функция сервиса или лидера? Команда — драйвер инноваций и экспериментов в продуктах компании. 📧 Отправить CV: @artecss